[發明專利]基因組測序數據的Leon-RC壓縮方法

有效

• 申請號: 201810834127.1
• 申請日: 2018-07-26
• 公開（公告）號: CN109256178B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 雷志強;李偉忠
• 申請（專利權）人: 中山大學
• 主分類號: G16B20/30
• 分類號: G16B20/30
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基因組測序數據的Leon-RC壓縮方法，對LEON算法構造錨點字典的步驟進行改進，其特征在于：包括以下步驟：

(1)將短讀劃分為多個Kmer；

(2)選擇一個Kmer，計算其直接重復、鏡像重復、反轉重復、互補回文的Kmer值，比較這四個值，獲得最小的Kmer值；

(3)將最小的Kmer值放入布隆過濾器中進行匹配查找，布隆過濾器中存放有SolidKmer，判斷Solid Kmer中是否存在最小的Kmer值；若存在，則向錨點字典中添加該最小的Kmer值，并結束查找；若不存在，則獲取下一個Kmer，重復步驟(2)、(3)；

(4)若所有Kmer的最小的Kmer值都不存在于Solid Kmer中，則說明該短讀不存在錨點；

(5)通過步驟(1)～(4)構造錨點字典；

所述方法構造得到錨點字典后，對短讀進行壓縮，其具體過程如下：

S1.在短讀開始編碼的位置尋找錨點；在錨點字典中檢索Kmer，計算他們的最小值Kmer，當其中一個最小值Kmer出現在錨點字典中，則停止檢索，記錄下標至映射表的anchor中；映射表中的anchor記錄位置為該Kmer在錨點字典中的下標為1，并且用一個變量readAnchorRevcompModel來記錄錨點類型；如果錨點不存在的話，則將第一個Kmer加入到錨點字典中；

S2.記錄錨點左右兩邊剩下的路徑長；

S3.記錄有差異的堿基位置，從錨點開始向右查找，判斷短讀的下一個Kmer是否存在于布隆過濾器中，若不存在，則記錄該Kmer和相對于錨點的位置，若存在，則判斷是否在布隆過濾器中唯一，若唯一，則不做操作，若不唯一，則記錄選擇；

S4.經過以上三個步驟完成了對短讀的壓縮。