[發明專利]可包含人造堿基的DNA存儲分層表示與交織編碼方法

有效

• 申請號: 201810573636.3
• 申請日: 2018-06-06
• 公開（公告）號: CN110569974B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 陳為剛;韓昌彩
• 申請（專利權）人: 天津大學
• 主分類號: G06N3/12
• 分類號: G06N3/12;H03M13/27
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.可包含人造堿基的DNA存儲分層表示與交織編碼方法，其特征在于，所述編碼方法包含下述步驟：

(1)將用戶二進制比特數據先進行擾碼，然后進行糾錯編碼，得到一系列固定長度的分組糾錯碼；

(2)將每一分組糾錯碼包含的N比特平均分成n個子分組，每個子分組包含的比特數目為N/n，其中n為正整數，是N的因子，N/n也為整數；

(3)根據采用的管核苷酸合成、測序與擴增所用的生化技術方法，確定可用的寡核苷酸的堿基集合，集合大小用正整數b表示；

(4)選擇N/n個堿基組成一個分組，將每個堿基映射為k個比特{b₁,b₂,…,b_k}，依次取N/n個堿基的第i個比特組成序列得到第i個長度為N/n的比特序列，i在[1,k]之間取值；

(5)將B個長度為N的分組碼作為一個整體，共包括Bn個子分組，B為正整數；分組碼的編碼碼字對應M個寡核苷酸的分子；分組碼與寡核苷酸分子之間的連接關系采用一個規則二部圖G(V₁,V₂,E)表示，根據該二部圖的連接關系E，將來自k個長度為N/n的比特序列組成一組寡核苷酸分子序列片段，分子序列片段的長度為N/n；

(6)將組合后的每個分子序列片段增加表示不同分子標號的序列，用于識別不同的序列，序列長度為L個堿基，并增加兩端的引物，引物長度分別為P個堿基，構成完整的寡核苷酸分子，長度為N/n+L+2P；

(7)采用生物化學方法合成寡核苷酸分子，采用單鏈或雙鏈，將寡核苷酸分子的單鏈或雙鏈作為數據存儲介質；

(8)數據讀取時，取一定數量的寡核苷酸分子進行擴增，然后對測序數據進行預處理；

(9)根據預處理后的測序數據，將寡核苷酸分子對應數據部分重新映射為k個比特序列；

其中，所述二部圖G(V₁,V₂,E)為：

二部圖的一類節點集合V₁表示B個分組碼，每個節點的度為n；二部圖的另一類節點集合V₂表示M個寡核苷酸分子，根據采用堿基的集合的不同，其節點的度為k；使用符合節點的度的任何二部圖，有Bn＝Mk；

二部圖的每一條邊，一端關聯分組碼的一個子塊，另一端關聯一個分子的一層比特序列，完成了分組碼數據到寡核苷酸分子片段的映射；連接到同一個校驗節點的邊關聯到同一個分組碼的不同子塊，連接到同一個變量節點的邊關聯到同一個分子的不同層。

2.根據權利要求1所述的可包含人造堿基的DNA存儲分層表示與交織編碼方法，其特征在于，

所述分子標號采用二進制表示，采用單獨的分組糾錯碼，分組碼的長度為Lk比特，然后將其映射為L個堿基；L和P均為正整數，根據同一DNA池的分子數量以及采用的糾錯碼確定L；P根據分子擴增的需求確定。

3.根據權利要求1所述的可包含人造堿基的DNA存儲分層表示與交織編碼方法，其特征在于，所述根據預處理后的測序數據，將寡核苷酸分子對應數據部分重新映射為k個比特序列具體為：

若某個寡核苷酸分子由于數量較少或標號片段錯誤而丟失，則根據二部圖連接關系將該分組對應的k個分組碼的子塊標記為刪除，分組碼糾錯時采用刪除糾錯方法，提高糾錯性能；

若某片段未丟失，直接根據二部圖連接關系映射到確定位置，以此對分組碼進行糾正刪除與錯誤的譯碼，得到譯碼結果，并進行去擾碼操作，得到原始的二進制數據。