墨卓生物科技（浙江）有限公司

通过研究恒河猴免疫组库的细胞受体序列，可以筛选出潜在的药物靶点，设计新型药物或疫苗，用于治疗感染性疾病、自身免疫性疾病、癌症等疾病。基于受体上的CDR3序列，可以开发高灵敏度和特异性的病毒或细菌诊断试剂盒，用于检测各种疾病的标志物或致病微生物，如HIV、乙肝病毒、流感病毒等。猴在新药的临床前动物实验中扮演重要角色，猴子因其与人类DNA的高相似度而成为理想的实验动物，免疫学研究成果可催生了巨大的经济效益。首先是数据收集和预处理。从企业内部实验数据获取恒河猴的基因组数据，主要是恒河猴通过免疫基因有关引物扩增后的测序数据，格式为Fastq。利用Fastq数据抽取工具，从原始Fastq中抽取100万条序列，采用smalt工具进行序列比对，将这些reads比对到公共数据库的猕猴的免疫有关基因，获取公共数据库对应最相似序列DB_ID，确定实验数据中能够比对到免疫基因上的reads数据，在提交数据文件中包含了readname和reads_seq，这些信息都在原始Fastq中有记录。然后，对每个能比对到公共序列数据库的reads进行注释，获得reads能比对到公共序列上的的起点和终点，即ref_start和ref_end。最后，将这些reads的核苷酸序列翻译为蛋白质，从蛋白质的氨基酸序列中查找CDR3区域，其中CDR3区域是识别抗原的高变区域，这里的CDR3的起始氨基酸选取CA或CG这两种氨基酸序列，终止氨基酸序列为TF，YF，IF，然后找出CDR3序列在reads中的起点和终点，即cdr3_start和cdr3_end，并计算CDR3的核苷酸序列的长度cdr3_length。