本發(fā)明涉及生物信息學(xué)技術(shù)領(lǐng)域，具體地，涉及二代測序dna突變檢測的生物信息學(xué)分析的方法及系統(tǒng)。

背景技術(shù)：

生物信息學(xué)分析，用于二代測序數(shù)據(jù)的突變檢測，是通過一系列的生物信息分析，從上百萬條乃至更多的dna短序列測序數(shù)據(jù)，檢測出可能造成某些生物學(xué)表型(遺傳病、腫瘤、藥物代謝等)的相關(guān)突變。主要方法是通過計算機軟硬件技術(shù)，對樣本的測序獲得的大量dna的堿基序列進(jìn)行生物信息分析處理，從而得到與參考基因組不一致的位點以及這些位點的相關(guān)信息。

生物信息學(xué)從科研到生產(chǎn)應(yīng)用的過程中，需要對生物信息分析流程腳本和軟件進(jìn)行工程化改造，使其可靠性、可維護(hù)性、產(chǎn)品質(zhì)量穩(wěn)定性從手工作坊的水平提升至大規(guī)模并行化工業(yè)生產(chǎn)水準(zhǔn)。并更進(jìn)一步，實現(xiàn)從工業(yè)化到自動化，降低生產(chǎn)流水線人力需求、管理成本，減少生產(chǎn)環(huán)節(jié)，提高生產(chǎn)效率。最后還要實現(xiàn)自動化到信息化，實現(xiàn)分布式計算加快產(chǎn)品部署、縮短分析周期；提供不同層級的信息共享和數(shù)據(jù)挖掘支持等。本發(fā)明就是一種專門為云計算這種特定的應(yīng)用場景設(shè)計的生物信息分析流程的系統(tǒng)和實施方法。

目前應(yīng)用的生物信息分析流程自動化系統(tǒng)，國外開源軟件比如galaxy，國內(nèi)業(yè)界軟件比如華大云計算等。

其中g(shù)alaxy的設(shè)計與開發(fā)的主要目標(biāo)是為了適應(yīng)種類繁多、相互之間差異較大、不同類目的科學(xué)研究分析要求，因此在系統(tǒng)復(fù)雜度、軟件可靠性、計算性能上做出了較大的妥協(xié)。其特點是，將流程按照分析先后順序，分成了不同的模塊，每個模塊可配置性極高，但是整個系統(tǒng)的穩(wěn)定性和可維護(hù)性很低。對于基因組dna突變檢測的臨床生產(chǎn)應(yīng)用這種分析種類相對固定但穩(wěn)定性要求極高、可維護(hù)性要求中上的業(yè)務(wù)來說，并不適用。

華大云計算這一類的軟件，也是主要為了科研分析而設(shè)計的，與galaxy相比為了提高分析流程的穩(wěn)定性，降低出錯的幾率，是以極大的降低流程配置的靈活性為代價，來減少系統(tǒng)復(fù)雜度而達(dá)成的，每一個流程幾乎都是需要經(jīng)過專門針對該系統(tǒng)進(jìn)行過培訓(xùn)的專業(yè)人員單獨編寫的。然而對于基因組dna突變檢測的臨床生產(chǎn)應(yīng)用來說，生物信息分析模塊的可維護(hù)性要求較高，流程的建立和參數(shù)的調(diào)整，需要便捷而且可控的方式進(jìn)行。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種二代測序dna突變檢測的生物信息學(xué)分析的方法及系統(tǒng)。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的系統(tǒng)，包括如下模塊：

生物信息分析模塊：用于提供滿足不同要求的生物分析流程，通過所述生物分析流程對生物信息進(jìn)行分析；

中間數(shù)據(jù)轉(zhuǎn)換模塊：用于對生物信息分析模塊產(chǎn)生的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，提供符合要求的生物分析數(shù)據(jù)源；

運行環(huán)境配置模塊：用于配置不同生物分析流程運行時所有輸入文件、輸出文件、配置文件、數(shù)據(jù)文件、臨時文件、日志記錄、腳本及應(yīng)用程序的相對路徑或絕對路徑以及運行相關(guān)環(huán)境變量；其中，相對路徑是指相對于當(dāng)前工作路徑的文件路徑；絕對路徑是指：相對于操作系統(tǒng)根目錄的文件路徑。

優(yōu)選地，所述生物信息分析模塊包括：

檢測子模塊：用于檢查xml中參數(shù)和運行環(huán)境是否滿足要求；

分析代碼包裝子模塊：用于生成被包裝的生物信息數(shù)據(jù)分析代碼名稱以及輸入輸出格式，并合成命令行等待調(diào)度執(zhí)行。

優(yōu)選地，所述中間數(shù)據(jù)轉(zhuǎn)換模塊還用于調(diào)用對應(yīng)的中間數(shù)據(jù)轉(zhuǎn)換腳本或代碼，對指定類型的數(shù)據(jù)進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換或信息抽提。

優(yōu)選地，所述運行環(huán)境配置模塊還用于讀取運行環(huán)境配置的xml文件，并初始化所有環(huán)境配置，具體地包括：創(chuàng)建文件夾、設(shè)置環(huán)境變量、拷貝必要數(shù)據(jù)。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的方法，應(yīng)用上述中任一項所述的二代測序dna突變檢測的生物信息學(xué)分析的系統(tǒng)，包括如下步驟：

步驟1：按照被包裝生物信息分析代碼的要求，撰寫對應(yīng)的xml配置文件，通過xml文件描述生物信息分析模塊的基本輸入輸出和運行參數(shù)；

步驟2：通過jvm語言創(chuàng)建中間數(shù)據(jù)轉(zhuǎn)換模塊；

步驟3：通過xml文件描述生物信息分析流程運行環(huán)境配置，指定運行的環(huán)境變量、文件路徑。

優(yōu)選地，所述步驟1包括：通過組合參數(shù)、輸入輸出數(shù)據(jù)、包裝的代碼或腳本生成生物信息分析執(zhí)行方案。

優(yōu)選地，所述步驟2包括：通過中間數(shù)據(jù)轉(zhuǎn)換模塊直接獲取一個或多個輸入數(shù)據(jù)，并產(chǎn)生一個或多個轉(zhuǎn)換結(jié)果。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的方法，包括如下步驟：

基礎(chǔ)模塊搭建步驟：撰寫用于包裝生物信息分析基本單元的生物信息分析模塊配置文件，生物信息分析基本單元包括：生物信息分析代碼或腳本；并撰寫中間數(shù)據(jù)轉(zhuǎn)換模塊的代碼或腳本；

生物信息分析流程創(chuàng)建步驟：創(chuàng)建生物信息分析流程配置文件，按照生物信息分析模塊銜接需要，添加必要的中間數(shù)據(jù)轉(zhuǎn)換模塊，并根據(jù)生物信息分析模塊和中間數(shù)據(jù)轉(zhuǎn)換模塊配置必須的運行環(huán)境配置模塊。

優(yōu)選地，所述生物信息分析流程創(chuàng)建步驟中創(chuàng)建生物信息分析流程配置文件的方法如下：

1)定義生物信息分析模塊；

2)配置生物信息分析模塊的執(zhí)行順序、并行條件。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的方法，應(yīng)用上述中任一項所述的二代測序dna突變檢測的生物信息學(xué)分析的系統(tǒng)，包括如下步驟：

步驟1：檢查是否有滿足當(dāng)前提交的生物信息分析模塊或中間數(shù)據(jù)轉(zhuǎn)換模塊運行的執(zhí)行隊列；若滿足，則進(jìn)行步驟2；若不滿足，則返回狀態(tài)隊列錯誤；

步驟2：在對應(yīng)執(zhí)行隊列中添加當(dāng)前提交的生物信息分析模塊或中間數(shù)據(jù)轉(zhuǎn)換模塊；

步驟3：檢查執(zhí)行狀態(tài)以及返回結(jié)果；

步驟4：返回用戶執(zhí)行結(jié)果或錯誤信息。

根據(jù)本發(fā)明提供的生物信息分析系統(tǒng)和生物信息分析流程的構(gòu)建方法與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

1、本發(fā)明中的方法和系統(tǒng)只針對dna突變檢測這一個具體生物信息分析流程進(jìn)行設(shè)計，避免引入不必要的功能，提高了系統(tǒng)的可維護(hù)性、穩(wěn)定性。

2、本發(fā)明中的方法把生物信息分析流程拆分成三種基本功能模塊：生物信息分析模塊、中間數(shù)據(jù)轉(zhuǎn)換模塊、運行環(huán)境配置模塊。在保證系統(tǒng)穩(wěn)定性的前提下，實現(xiàn)了流程搭建的靈活性最大化。

附圖說明

通過閱讀參照以下附圖對非限制性實施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：

圖1為本發(fā)明的方法流程圖；

圖2顯示了運行調(diào)度的具體流程；

圖3顯示了模塊執(zhí)行調(diào)度的具體流程；

圖4為本發(fā)明系統(tǒng)的模塊原理結(jié)構(gòu)類圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。以下實施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的系統(tǒng)，包括如下模塊：

生物信息分析模塊：用于提供生物分析流程基本組成單元，完成生物信息分析基本功能；

中間數(shù)據(jù)轉(zhuǎn)換模塊：用于對生物信息分析模塊產(chǎn)生的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，提供符合要求的生物分析數(shù)據(jù)源和結(jié)果；

運行環(huán)境配置模塊：用于配置不同生物分析流程運行時所有輸入文件、輸出文件、配置文件、數(shù)據(jù)文件、臨時文件、日志記錄、腳本及應(yīng)用程序的相對路徑或絕對路徑以及運行相關(guān)環(huán)境變量；其中，相對路徑是指相對于當(dāng)前工作路徑的文件路徑；絕對路徑是指：相對于操作系統(tǒng)根目錄的文件路徑。

所述生物信息分析模塊包括：

檢測子模塊：用于檢查xml中參數(shù)和運行環(huán)境是否滿足要求；

分析代碼包裝子模塊：用于包裝生物信息數(shù)據(jù)分析代碼或腳本、填充實際參數(shù)及輸入輸出，并拼接并合成命令行等待調(diào)度執(zhí)行。

所述中間數(shù)據(jù)轉(zhuǎn)換模塊還用于調(diào)用對應(yīng)的中間數(shù)據(jù)轉(zhuǎn)換腳本或代碼，對指定類型的數(shù)據(jù)進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換或信息抽提。

所述運行環(huán)境配置模塊還用于讀取運行環(huán)境配置的xml文件，并初始化所有環(huán)境配置，具體地包括：創(chuàng)建文件夾、設(shè)置環(huán)境變量、拷貝必要數(shù)據(jù)等。

根據(jù)本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的方法，包括如下步驟：

步驟1：按照被包裝生物信息分析代碼的要求，撰寫對應(yīng)的xml配置文件，通過該xml文件描述生物信息分析模塊的基本輸入輸出和運行參數(shù)；

步驟2：通過jvm語言創(chuàng)建中間數(shù)據(jù)轉(zhuǎn)換模塊；

步驟3：按照所建立的生物信息分析流程的要求，撰寫對應(yīng)的xml配置文件，通過該xml文件描述生物信息分析流程運行環(huán)境配置，指定運行的環(huán)境變量、文件路徑。

所述步驟1包括：通過組合參數(shù)、輸入輸出數(shù)據(jù)、包裝的代碼或腳本生成生物信息分析執(zhí)行方案。

所述步驟2包括：通過中間數(shù)據(jù)轉(zhuǎn)換模塊直接獲取一個或多個輸入數(shù)據(jù)，并產(chǎn)生一個或多個轉(zhuǎn)換結(jié)果。

本發(fā)明提供的二代測序dna突變檢測的生物信息學(xué)分析的方法，包括如下步驟：

基礎(chǔ)模塊搭建步驟：撰寫用于包裝生物信息分析基本單元的生物信息分析模塊配置文件，生物信息分析基本單元包括：生物信息分析代碼或腳本；并撰寫中間數(shù)據(jù)轉(zhuǎn)換模塊的代碼或腳本；

生物信息分析流程創(chuàng)建步驟：創(chuàng)建生物信息分析流程配置文件；按照生物信息分析模塊銜接需要，添加必要的中間數(shù)據(jù)轉(zhuǎn)換模塊；并根據(jù)生物信息分析模塊和中間數(shù)據(jù)轉(zhuǎn)換模塊，創(chuàng)建必須的運行環(huán)境配置模塊。

所述生物信息分析流程創(chuàng)建步驟中創(chuàng)建生物信息分析流程配置文件的方法如下：

1)列舉所有生物信息分析模塊；

2)定義生物信息分析模塊的執(zhí)行順序、并行條件。

圖1展示了本發(fā)明實例提供的一種基于二代測序的基因組dna突變檢測的生物信息學(xué)分析的方法的流程圖。包括：

s1：收到調(diào)用指定生物信息分析流程的外部指令

s2：在指定位置查找該流程配置的xml文件，并讀取該配置文件

s3：判斷當(dāng)前計算機軟硬件系統(tǒng)是否符合該生物信息分析流程的要求。如果符合要求，則進(jìn)入數(shù)據(jù)分析階段，按照流程的配置依次調(diào)用各種模塊，對數(shù)據(jù)進(jìn)行分析；反之則返回用戶流程執(zhí)行(失敗)狀態(tài)

s4：模塊的調(diào)度。后面通過圖2進(jìn)行詳細(xì)說明。

s5：循環(huán)檢查當(dāng)前流程是否所有模塊都執(zhí)行結(jié)束(無論成功與否)，如未完成，則繼續(xù)執(zhí)行；如已完成則返回用戶流程執(zhí)行(成功/失敗)狀態(tài)。

圖2展示了本發(fā)明實例提供的模塊的調(diào)度流程圖。

s201：進(jìn)入模塊調(diào)度；

s202：檢查流程模塊列表中是否存在還沒有運行過的模塊，如果存在，按執(zhí)行順序選取同一并行級別下所有模塊；如果不存在，則模塊運行完畢，執(zhí)行最后一步s206返回。

s203：判斷當(dāng)前選中的所有模塊是否滿足如下條件：

1.所依賴的模塊是否都執(zhí)行完畢；

2.所依賴的數(shù)據(jù)或文件是否都已經(jīng)準(zhǔn)備就緒；

如果條件滿足，則執(zhí)行步驟s204；如果不滿足，則選取同一并行級別的其他模塊進(jìn)行判斷，直至所有模塊都執(zhí)行完畢；

s204：判斷上一步給出模塊，是否有滿足條件的執(zhí)行隊列接收，如果沒有，則將其返回給s203進(jìn)行繼續(xù)輪詢判斷，如果有，則放入執(zhí)行隊列；

s205：模塊的運行(后面通過圖3進(jìn)行詳細(xì)說明)；

s206：返回每一個模塊的執(zhí)行狀態(tài)。

圖3展示了本發(fā)明實例提供的模塊的運行流程圖。

s301：進(jìn)入指定模塊運行；

s302：在指定位置查找該流程配置的xml文件，并讀取該配置文件；

s303：檢查當(dāng)前執(zhí)行環(huán)境是否滿足模塊運行需求，如果是，則執(zhí)行下一步的進(jìn)行數(shù)據(jù)分析；反之則返回用戶模塊執(zhí)行(失敗)狀態(tài)；

s304:當(dāng)前模塊的數(shù)據(jù)分析；

s305：返回用戶流程執(zhí)行(成功/失敗)狀態(tài)。

圖4展示了本發(fā)明實例提供的一種基于二代測序的基因組dna突變檢測的生物信息學(xué)分析的系統(tǒng)的類圖。包括：生物信息分析模塊、中間數(shù)據(jù)轉(zhuǎn)換模塊、運行環(huán)境配置模塊、生物信息分析流程類模塊、平臺任務(wù)調(diào)度模塊；其中：

生物信息分析流程類模塊用于將生物信息分析模塊、中間數(shù)據(jù)轉(zhuǎn)換模塊組織成為完整的生物信息分析流程。

平臺任務(wù)調(diào)度模塊用于生物信息分析流程的調(diào)度執(zhí)行。

本領(lǐng)域技術(shù)人員知道，除了以純計算機可讀程序代碼方式實現(xiàn)本發(fā)明提供的系統(tǒng)及其各個裝置以外，完全可以通過將方法步驟進(jìn)行邏輯編程來使得本發(fā)明提供的系統(tǒng)及其各個裝置以邏輯門、開關(guān)、專用集成電路、可編程邏輯控制器以及嵌入式微控制器等的形式來實現(xiàn)相同功能。所以，本發(fā)明提供的系統(tǒng)及其各項裝置可以被認(rèn)為是一種硬件部件，而對其內(nèi)包括的用于實現(xiàn)各種功能的裝置也可以視為硬件部件內(nèi)的結(jié)構(gòu)；也可以將用于實現(xiàn)各種功能的裝置視為既可以是實現(xiàn)方法的軟件模塊又可以是硬件部件內(nèi)的結(jié)構(gòu)。

以上對本發(fā)明的具體實施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述特定實施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變化或修改，這并不影響本發(fā)明的實質(zhì)內(nèi)容。在不沖突的情況下，本申請的實施例和實施例中的特征可以任意相互組合。