[發明專利]一種基于混合模型的DNA存儲編解碼方法

有效

• 申請號: 201910909449.2
• 申請日: 2019-09-25
• 公開（公告）號: CN110708076B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 畢昆;陸祖宏
• 申請（專利權）人: 東南大學
• 主分類號: H03M7/40
• 分類號: H03M7/40;H03M13/15;G06N3/12
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 呂書桁

1.一種基于混合模型的DNA存儲編解碼方法，其特征在于：所述方法包括如下步驟：

1）輸入原始數據，進行二進制轉換；

2）對轉換后的二進制序列進行霍夫曼編碼壓縮；將壓縮后的二進制文件按每175個二進制數一列，分為若干列；每列按每7個二進制數一組，分為25組，每組前6個二進制數兩兩一組，最后一個二進制數單列；

3）每一列列首添加地址碼，包括文件碼、編號碼和模型碼，其中模型碼初值設為“00000000”，每兩個二進制數構成一個兩位二進制數，共13個；

4）對所有的兩位二進制數進行DNA四進制模型編碼，單個二進制數進行DNA模型二進制編碼；根據編碼結果，將DNA存儲四進制模型和二進制模型混合編碼，構建144種混合模型；

5）根據確定的混合模型編號，修改對應序列的模型碼；采用RS糾錯編碼對模型碼添加長度為10堿基的糾錯碼，插入模型碼之后；

6）對步驟5得到的DNA序列進行RS編碼糾錯，添加長度為4堿基的糾錯碼，置于序列尾部，得到含有127堿基的DNA序列；

7）重復步驟3）至6），直至所有序列均完成編碼與糾錯；

8）將完成編碼的所有序列按文件碼和編號碼排序，每123列組成一個127行*123列的矩陣，其中123列表示123列已完成編碼的連續編號DNA序列，127行表示DNA序列的127個堿基；然后，從模型碼開始，逐行進行RS編碼糾錯，糾錯碼長度為4個堿基，生成127*127的矩陣，即每123列DNA序列后，添加4列糾錯序列；糾錯序列前9列添加獨立索引，按混合模型1編碼；

9）解碼過程為編碼的反向過程，將測序得到的堿基序列按文件碼和編號碼排序，糾錯序列按順序插入其中，重新構建127*127矩陣，首先進行RS編碼的行解碼，根據4列糾錯序列進行錯誤堿基糾正；然后對123列數據存儲序列，每一列進行RS解碼；最后對每一列的模型碼進行RS解碼；

10）對每一列堿基按照模型碼編號，選擇對應的混合模型，解碼轉換為對應二進制序列；

11）全部解碼完成后將二進制序列按照文件碼和編號碼拼接，刪除地址碼和糾錯碼，得到存儲信息的二進制文件；

12）對二進制文件進行霍夫曼解碼，得到初始二進制序列，將初始二進制序列重新生成為輸入文件。

2.基于權利要求1所述的基于混合模型的DNA存儲編解碼方法，其特征在于，所述原始數據為任何可以轉換為二進制的數據。

3.基于權利要求1所述的基于混合模型的DNA存儲編解碼方法，其特征在于，所述二進制文件的劃分中，每一條數據長度需要是7的整數倍，每列按每7個二進制數一組，分為25組，每組前6個二進制數兩兩一組，最后一個二進制數單列。

4.基于權利要求1所述的基于混合模型的DNA存儲編解碼方法，其特征在于，所述地址碼包括文件碼、編號碼、模型碼。