合成生物学数据处理方法及其处理系统与流程

本发明涉及合成生物学
技术领域：
，特别涉及合成生物学数据处理方法及其处理系统。
背景技术：
：随着合成生物学的发展，生物部件数据量越来越大，重复率越来越高，各种数据文件格式不同、不能通用已经成为合成生物学家共同面对的问题。众所周知，生物部件的本质是其序列，生物部件的基础是不同DNA序列的组装，装配的目标是使部件具有特定功能且较为完善。现在很多合成生物学聚焦在了部件的组装准则上，提出了许多新的装配策略例如：BioBrick、BglBrick。许多杂志上提供了完整的序列及其描述，但用户获取有限制。许多杂志都没有关于质粒序列的描述，Addgene它解决了质粒上的数据信息问题，它提供了完整的质粒序列还有注释，但他们的努力工作也只是覆盖了已发表过的一小部分质粒。回顾之前相同类型的文章，涉及到的生物部件的数据量非常少，只有大约2000个，可供分析的数据不够全面。iGEM和GenoCAD中登记了标准生物部件，数据量大且提交的数据是合成生物学家确认过的且所提交的数据格式统一。但只有向iGEM上提交数据却没有人对数据进行整理分析，这里只是原始数据表，存在大量的冗余信息。技术实现要素：本发明实施例提供了合成生物学数据处理方法及其处理系统，用以解决现有技术中生物部件数据量小以及数据存在冗余的问题。合成生物学数据处理方法，包括以下步骤：从iGEM上获取数据，并存储在原始数据表中；将所述原始数据表中的部件进行拆分，获得多个特征序列，并存储在第一特征序列表中，其中，所述第一特征序列表中每个数据均包含特征序号、名称、类型、互补、起始、序列和部分序号信息；在所述第一特征序列表中查询序列、名称和类型均相同的特征序列，每个保留一条，并存储在第二特征序列表中；在所述第二特征序列表中查询序列相同，但是名称不同的特征序列，存储在第一名称数据表中；在所述第一名称数据表中查询并保留互补为1的特征序列，删除其他特征序列，获得第一子名称数据表；若所述第一子名称数据表中的特征序列均相同，在所述第一子名称数据表中查询并保留互补相同且起始最小的特征序列，删除其他特征序列，获得第二子名称数据表；若所述第二子名称数据表中的特征序列均相同，则在所述第二子名称数据表中查询并保留具有完整概念名称的特征序列，删除其他特征序列，获得第二名称数据表；在所述第二特征序列表中查询序列和名称均相同，但是类型不同的特征序列，存储在第一类型数据表中；在所述第一类型数据表中查询并保留互补为1的特征序列，删除其他特征序列，获得第一子类型数据表；若所述第一子类型数据表中的特征序列均相同，则在所述第一子类型数据表中查询并保留类型满足预设条件的特征序列，在所述第二名称数据表中保留所述第一子类型数据表中保留的特征序列，删除其他特征序列，获得第二类型数据表；在所述第一特征序列表中分别查询序列、名称和类型均相同，但是互补不同、起始不同以及部分序号不同的特征序列，分别保留一条，并将序列不同的特征序列存储在所述第二类型数据表中，获得第三特征序列表；对所述第三特征序列表中的特征序列进行重命名，获得第四特征序列表。优选地，所述步骤还包括：若所述第一子名称数据表中存在不同的特征序列，则将所述第一子名称数据表作为所述第二名称数据表；或若所述第二子名称数据表中存在不同的特征序列，则将所述第二子名称数据表作为所述第二名称数据表。优选地，所述步骤还包括：若所述第一子类型数据表中存在不同的特征序列，则将所述第一子类型数据表作为所述第二类型数据表。优选地，步骤对所述第三特征序列表中的数据进行重命名，获得第四特征序列表具体为：使用所述第三特征序列表中每个特征序列的名称和特征序号进行组合，获得新的名称，即获得所述第四特征序列表。合成生物学数据处理系统，包括：数据获取模块，用于从iGEM上获取数据，并存储在原始数据表中；部件拆分模块，用于将所述原始数据表中的部件进行拆分，获得多个特征序列，并存储在第一特征序列表中，其中，所述第一特征序列表中每个数据均包含特征序号、名称、类型、互补、起始、序列和部分序号信息；第一数据筛选模块，用于在所述第一特征序列表中查询序列、名称和类型均相同的特征序列，每个保留一条，并存储在第二特征序列表中；第二数据筛选模块，用于在所述第二特征序列表中查询序列相同，但是名称不同的特征序列，存储在第一名称数据表中；第一数据删除模块，用于首先查询并保留互补为1的特征序列，删除其他特征序列，获得第一子名称数据表；若所述第一子名称数据表中的特征序列均相同，在所述第一子名称数据表中查询并保留互补相同且起始最小的特征序列，删除其他特征序列，获得第二子名称数据表；若所述第二子名称数据表中的特征序列均相同，则在所述第二子名称数据表中查询并保留具有完整概念名称的特征序列，删除其他特征序列，获得第二名称数据表；第三数据筛选模块，用于在所述第二特征序列表中查询序列和名称均相同，但是类型不同的特征序列，存储在第一类型数据表中；第二数据删除模块，用于首先查询并保留互补为1的特征序列，删除其他特征序列，获得第一子类型数据表；若所述第一子类型数据表中的特征序列均相同，则在所述第一子类型数据表中查询并保留类型满足预设条件的特征序列，在所述第二名称数据表中保留所述第一子类型数据表中保留的特征序列，删除其他特征序列，获得第二类型数据表；第四数据筛选模块，用于在所述第一特征序列表中分别查询序列、名称和类型均相同，但是互补不同、起始不同以及部分序号不同的特征序列，分别保留一条，并将序列不同的特征序列存储在所述第二类型数据表中，获得第三特征序列表；数据重命名模块，用于对所述第三特征序列表中的特征序列进行重命名，获得第四特征序列表。优选地，所述第一数据删除模块在所述第一子名称数据表中存在不同的特征序列时，将所述第一子名称数据表作为所述第二名称数据表；或在所述第二子名称数据表中存在不同的特征序列时，则将所述第二子名称数据表作为所述第二名称数据表。优选地，所述第二数据删除模块在所述第一子类型数据表中存在不同的特征序列时，将所述第一子类型数据表作为所述第二类型数据表。优选地，所述数据重命名模块使用所述第三特征序列表中每个特征序列的名称和特征序号进行组合，获得新的名称，即获得所述第四特征序列表。本发明实施例中合成生物学数据处理方法及其处理系统，将从iGEM获取的数据拆分为多个特征序列，从序列、名称和类型等信息入手对特征序列进行处理，达到数据全面且无冗余的效果。附图说明为了更清楚地说明本发明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例提供的合成生物学数据处理方法的步骤流程图；图2为图1中方法使用的原始数据表的示意图；图3为图1中方法使用的第一特征序列表的示意图；图4为使用图1中方法的合成生物学数据处理系统的功能模块图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。参照图1，本发明实施例提供了合成生物学数据处理方法，该方法包括：步骤100，使用Perl(PracticalExtractionandReportLanguage，实用报表提取语言)语言在iGEM(InternationalGeneticallyEngineeredMachineCompetition，国际遗传工程的机器设计竞赛)数据库中获取数据，并存储在原始数据表中，如图2所示，所述原始数据表中每一行为一个生物部件的信息，该些信息包括部分序号(parts_id)、名称(name)、描述(definition)、序列(sequence)、长度(length)和状态(status)信息；步骤101，将所述原始数据表中每个生物部件进行拆分，获得多个特征序列，并存储在第一特征序列表中，如图3所示，所述第一特征序列表中每一行为一个特征序列的信息，该些信息包括特征序号(feature_id)、原始序号(origin_id)、名称(name)、类型(type)、互补(complement)、起始(start)、终止(end)、序列(sequence)和部分序号(parts_id)信息；步骤102，在所述第一特征序列表中查询序列、名称和类型均相同的特征序列，每种具有相同序列、名称和类型的特征序列保留一条，并存储在第二特征序列表中；步骤103，在所述第二特征序列表中查询序列相同，但是名称不同的特征序列，存储在第一名称数据表中；步骤104，参照所述第一名称数据表对所述第二特征序列表中的特征序列进行删除，获得第二名称数据表；具体地，首先在所述第一名称数据表中查询并保留互补为1的特征序列，删除其他特征序列，获得第一子名称数据表；若所述第一子名称数据表中的特征序列均相同，在所述第一子名称数据表中查询并保留互补相同且起始最小的特征序列，删除其他特征序列，获得第二子名称数据表；若所述第二子名称数据表中的特征序列均相同，则在所述第二子名称数据表中查询并保留具有完整概念名称的特征序列，删除其他特征序列，获得所述第二名称数据表；若所述第一子名称数据表中存在不同的特征序列，则将所述第一子名称数据表作为所述第二名称数据表；若所述第二子名称数据表中存在不同的特征序列，则将所述第二子名称数据表作为所述第二名称数据表；步骤105，在所述第二特征序列表中查询序列和名称均相同，但是类型不同的特征序列，存储在第一类型数据表中；步骤106，参照所述第一类型数据表对所述第二名称数据表中特征序列进行删除，获得第二类型数据表；具体地，首先查询并保留互补为1的特征序列，删除其他特征序列，获得第一子类型数据表；若所述第一子类型数据表中的特征序列均相同，则在所述第一子类型数据表中查询并保留类型满足预设条件的特征序列，在所述第二名称数据表中保留所述第一子类型数据表中保留的特征序列，删除其他特征序列，获得所述第二类型数据表；若所述第一子类型数据表中存在不同的特征序列，则将所述第一子类型数据表作为所述第二类型数据表。在本实施例中，所述预设条件为多种类型的优先级顺序，如表一所示：表一特征序列类型优先级顺序表保留删除bioBrickcds、dna、binding、promotercdsmisc、proteindnacds、miscproteinmutation、miscbindingoperateroperatorstem_looppromoteroperator、mutationrbsmutation、bindingmutationstart、endmiscbinding、mutation、promoter、stem_loop、rbs表一中，保留列的特征序列类型优先级高于删除列的特征序列类型，即查询到的多个特征序列同时具有保留列和删除列的类型时，将删除列类型的特征序列删除，仅将保留列类型的特征序列保留；步骤107，在所述第一特征序列表中分别查询序列、类型和名称均相同，但是互补不同；序列、类型和名称均相同，但是起始不同；以及序列、类型和名称均相同，但是部分序号不同的特征序列，每种特征序列保留一条，并将保留的特征序列中序列不同的特征序列存储在所述第二类型数据表中，获得第三特征序列表；步骤108，对所述第三特征序列表中的特征序列进行重命名，获得第四特征序列表；具体地，对所述第三特征序列表中的特征序列进行重命名的规则为：使用所述第三特征序列表中每个特征序列的名称和特征序号进行组合，获得新的名称，即获得所述第四特征序列表。所述第四特征序列表中即具有全面且无冗余的特征序列，以便于使用特征序列构建新的生物部件。基于同一发明构思，本发明实施例提供合成生物学数据处理系统，如图4所示，由于该系统解决技术问题的原理和合成生物学数据处理方法相似，因此该系统的实施可参照方法的实施，重复之处不再赘述。数据获取模块200，用于使用Perl语言在iGEM数据库中获取数据，并存储在原始数据表中，所述原始数据表中存储每一个生物部件的信息，该些信息包括部分序号(parts_id)、名称(name)、描述(definition)、序列(sequence)、长度(length)和状态(status)信息；部件拆分模块201，用于将所述原始数据表中每个生物部件进行拆分，获得多个特征序列，并存储在第一特征序列表中，所述第一特征序列表中存储每一个特征序列的信息，该些信息包括特征序号(feature_id)、原始序号(origin_id)、名称(name)、类型(type)、互补(complement)、起始(start)、终止(end)、序列(sequence)和部分序号(parts_id)信息；第一数据筛选模块202，用于在所述第一特征序列表中查询序列、名称和类型均相同的特征序列，每种具有相同序列、名称和类型的特征序列保留一条，并存储在第二特征序列表中；第二数据筛选模块203，用于在所述第二特征序列表中查询序列相同，但是名称不同的特征序列，存储在第一名称数据表中；第一数据删除模块204，用于首先查询并保留互补为1的特征序列，删除其他特征序列，获得第一子名称数据表；若所述第一子名称数据表中的特征序列均相同，在所述第一子名称数据表中查询并保留互补相同且起始最小的特征序列，删除其他特征序列，获得第二子名称数据表；若所述第二子名称数据表中的特征序列均相同，则在所述第二子名称数据表中查询并保留具有完整概念名称的特征序列，删除其他特征序列，获得第二名称数据表；若所述第一子名称数据表中存在不同的特征序列，则将所述第一子名称数据表作为所述第二名称数据表；若所述第二子名称数据表中存在不同的特征序列，则将所述第二子名称数据表作为所述第二名称数据表；第三数据筛选模块205，用于在所述第二特征序列表中查询序列和名称均相同，但是类型不同的特征序列，存储在第一类型数据表中；第二数据删除模块206，用于首先查询并保留互补为1的特征序列，删除其他特征序列，获得第一子类型数据表；若所述第一子类型数据表中的特征序列均相同，则在所述第一子类型数据表中查询并保留类型满足预设条件的特征序列，在所述第二名称数据表中保留所述第一子类型数据表中保留的特征序列，删除其他特征序列，获得第二类型数据表；若所述第一子类型数据表中存在不同的特征序列，则将所述第一子类型数据表作为所述第二类型数据表。第四数据筛选模块207，用于在所述第一特征序列表中分别查询序列、类型和名称均相同，但是互补不同；序列、类型和名称均相同，但是起始不同；以及序列、类型和名称均相同，但是部分序号不同的特征序列，每种特征序列保留一条，并将保留的特征序列中序列不同的特征序列存储在所述第二类型数据表中，获得第三特征序列表；数据重命名模块208，用于对所述第三特征序列表中的特征序列进行重命名，获得第四特征序列表。应当理解，以上合成生物学数据处理系统包括的模块仅为根据该系统实现的功能进行的逻辑划分，实际应用中，可以进行上述模块的叠加或拆分。并且该实施例提供的合成生物学数据处理系统所实现的功能与上述实施例提供的合成生物学数据处理方法一一对应，对于该系统所实现的更为详细的处理流程，在上述方法实施例一中已做详细描述，此处不再详细描述。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。当前第1页1 2 3