[發明專利]一種DNA自索引區間解壓縮方法

有效

• 申請號: 202110377573.6
• 申請日: 2021-04-08
• 公開（公告）號: CN113098526B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 李楊;劉博;王亞東
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: H03M7/30
• 分類號: H03M7/30
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 岳昕

一種DNA自索引區間解壓縮方法，它屬于DNA壓縮數據的解壓縮技術領域。本發明解決了現有的解壓縮算法需要的解壓縮時間長，且解壓縮后的數據需要的存儲空間大的問題。本發明的自索引區間解壓縮算法可以根據需求來選取解壓縮的范圍，相對于全局靜態TPBWT解壓縮算法來說，很大程度的降低了解壓縮時間，同時也降低了解壓縮數據的存儲空間。相對于傳統解壓縮算法，該算法更加靈活能夠依據不同需求，解壓縮出不同含義的數據，適用性更強。本發明可以應用于對DNA壓縮數據的解壓縮。

技術領域

本發明涉及DNA壓縮數據的解壓縮技術領域，具體涉及一種DNA自索引區間解壓縮方法。

背景技術

隨著DNA測序技術的發展，生物醫學研究面臨著如何存儲和傳輸DNA數據的問題。對DNA數據進行壓縮后，然后再進行解壓縮的技術成為其中解決問題的重要方法之一。

LYZip工具基于TPBWT算法進行數據壓縮得到短讀測序數據后，采用現有的解壓縮算法只能實現全局的、靜態的解壓縮。現有的解壓縮算法雖然能夠實現DNA數據的解壓縮，但是需要的解壓縮時間較長、且解壓縮后的數據需要的存儲空間也較大，因此，提出一種減少解壓縮時間和存儲空間的方法是十分必要的。

發明內容

本發明的目的是為解決現有的解壓縮算法需要的解壓縮時間長，且解壓縮后的數據需要的存儲空間大的問題，而提出了一種DNA自索引區間解壓縮方法。

本發明為解決上述技術問題采取的技術方案是：一種DNA自索引區間解壓縮方法，所述方法具體包括以下步驟：

步驟一、輸入待解壓縮的序列數據文件，并配置索引區間參數和解壓縮輸出模式參數；

步驟二、根據索引區間參數，確定出待解壓縮的序列數據文件中需要解壓縮的區間范圍；

步驟三、根據待解壓縮序列數據文件的頭文件信息，確定出需要解壓縮區間范圍內的測序短讀堿基比特信息，比對到參考基因組上堿基的測序質量分數比特信息，無法比對到參考基因組上單核苷酸變異的測序質量分數比特信息，單核苷酸變異、插入刪除變異、結構變異比特信息以及表示位置、長度比特信息的具體位置；

步驟四、分別對測序短讀堿基比特信息，比對到參考基因組上堿基的測序質量分數比特信息，無法比對到參考基因組上單核苷酸變異的測序質量分數比特信息，單核苷酸變異、插入刪除變異、結構變異比特信息以及表示位置、長度比特信息進行字節變換處理后，獲得字節變換后的壓縮文件；

步驟五、對字節變換后的壓縮文件進行字符變換，還原出每一列所包含的信息；

步驟六、將還原出的每一列所包含的信息進行存儲后，并按照步驟一配置的解壓縮輸出模式參數進行輸出。

本發明的有益效果是：本發明提出了一種DNA自索引區間解壓縮方法，本發明的自索引區間解壓縮算法可以根據需求來選取解壓縮的范圍，相對于全局靜態TPBWT解壓縮算法來說，很大程度的降低了解壓縮時間，同時也降低了解壓縮數據的存儲空間。相對于傳統解壓縮算法，該算法更加靈活能夠依據不同需求，解壓縮出不同含義的數據，適用性更強。

附圖說明

圖1為自索引區間解壓縮方法的流程圖；

圖2為DTPBWT算法的流程圖。

具體實施方式

具體實施方式一：結合圖1說明本實施方式。本實施方式所述的一種DNA自索引區間解壓縮方法，所述方法具體通過以下步驟實現：

步驟一、輸入待解壓縮的序列數據文件，并配置索引區間參數([start,end])和解壓縮輸出模式參數(mode)；

步驟二、根據索引區間參數，確定出待解壓縮的序列數據文件中需要解壓縮的區間范圍；