[發明專利]一種基因數據壓縮方法及系統

在審

• 申請號: 202210839728.8
• 申請日: 2022-10-27
• 公開（公告）號: CN115512774A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王剛;李為民;陳亞鑫;畢力允;朱琳;王成弟;汪周峰
• 申請（專利權）人: 四川大學華西醫院
• 主分類號: G16B50/50
• 分類號: G16B50/50;G16B50/00;G06F16/172;G06F16/174;G06F16/906;G06F11/14
• 代理公司: 北京智行陽光知識產權代理事務所(普通合伙) 11738
• 代理人: 林浩書

1.一種基因數據壓縮方法，其特征在于：包括以下步驟：

S1、獲取基因數據并將其傳輸到壓縮系統中，壓縮系統中基因原始數據為fastq格式；

S2、壓縮系統檢測基因數據的格式類型對基因數據進行分類；

S3、對原始數據類型的基因數據使用fastq算法進行壓縮，并上傳到對象存儲中，存儲自動將文件切割成若干小份，保存到不同的磁盤，當出現故障的磁盤低于總數的一半時，數據不丟失；

S4、將壓縮文件上傳到對象存儲中，存儲自動將文件切割成若干小份，保存到不同的磁盤，當出現故障的磁盤低于總數的一半時，數據不丟失；

S5、對非原始文件格式的文件使用pigz壓縮算法(開源算法)，對文件進行壓縮，壓縮后自動傳輸到對象存儲中，存儲自動將文件切割成若干小份，保存到不同的磁盤，當出現故障的磁盤低于總數的一半時，數據不丟失；

S6、數據壓縮好以后，系統自動在存儲中先檢查是否有該用戶的目錄，如果沒有目錄，則以用戶名為目錄名在對象存儲的桶中創建目錄；

S7、通過S3協議將壓縮后的文件傳送到對應用戶目錄中。

所述S3包括以下步驟：

1)、輸入基因原始文件；

2)、識別基因原始文件中的序列描述信息、堿基序列、序列描述、堿基質量信息；

3)、分別壓縮描述信息、壓縮堿基、壓縮序列、壓縮堿基質量；

4)、將壓縮的描述信息、堿基、序列、堿基質量整合為壓縮文件上傳到對象存儲中。

2.根據權利要求1所述的一種基因數據壓縮方法，其特征在于：所有數據的保存都是以用戶為基礎，每個用戶在對象存儲的桶中保存自己的數據。

3.根據權利要求1所述的一種基因數據壓縮方法其特征在于：數據以用戶為基礎進行隔離，每個用戶只能瀏覽和操作自己的數據，無法觸及別人的數據。

4.根據權利要求1所述的一種基因數據壓縮方法，其特征在于：任何輸入文件經過系統壓縮后，自動上傳到對象存儲中。

5.根據權利要求1所述的一種基因數據壓縮方法，其特征在于：故障的磁盤低于總數的一半時，將故障的磁盤更換為新的的磁盤后，無需人工介入數據自動恢復。

6.一種基因數據壓縮系統，其特征在于：包括數據輸入單元、數據識別單元、數據傳輸單元、數據壓縮單元和數據儲存單元，所述數據輸入單元信號連接有數據識別單元，所述數據識別單元信號連接有數據傳輸單元，所述數據傳輸單元信號連接有數據壓縮單元和數據儲存單元，所述數據壓縮單元和數據儲存單元信號連接。

7.根據權利要求6所述的一種基因數據壓縮方法，其特征在于：所述數據壓縮單元的內部設置有fastq壓縮算法和pigz壓縮算法。

8.根據權利要求7所述的一種基因數據壓縮方法，其特征在于：所述數據儲存單元信號連接有磁盤，所述數據儲存單元的內部設置有數據分隔模塊、數據備份模塊和數據恢復模塊。