基因序列读取方法及读取系统技术方案

本发明专利技术公开了一种基因序列读取方法及读取系统，该方法包括：根据原始基因序列的相关信息，确定合适的纠错算法，并使用所述纠错算法对所述原始基因序列进行纠错，得到待处理基因序列；根据预设的进程数量以及所述待处理基因序列的总大小，将所述待处理基因序列进行分块处理，得到多个分块基因序列；以及，并发读取所述分块基因序列。应用本发明专利技术的技术方案，可以减少单机的内存消耗，同时大大提高了基因序列读取的效率与准确性。

【技术实现步骤摘要】
基因序列读取方法及读取系统
本专利技术涉及生物信息
，特别涉及一种基因序列读取方法及读取系统。
技术介绍
在当前的基因测序过程中，由不同测序平台产生的序列的错误存在一定差别，主要有以下4种：碱基的置换(substitution)错误，碱基的插入(insertion)错误，碱基的删除(deletion)错误和模糊碱基的出现(如用N来指示可能的4种碱基A、C、G、T)。比如，Illumina平台的错误主要是碱基的置换错误，Roche454、Heliscope、IonTorrent和PacificBioscience公司的RS平台的错误主要是碱基的插入和删除错误。从纠错方法的算法基础来分，目前使用的纠错方法主要有以下3种：1)基于k-spectrum的方法；2)基于suffixtree/suffixarray的方法；3)基于multiplesequencealignment(MSA)的方法。然而现有软件技术针对的都是特定的测序平台、基因测序序列的部分错误类型，还没有一种能够适用于绝大多数平台，较好地解决各种序列错误的软件技术，所以有时很难找到合适的算法进行纠错。直接对测得的数据进行读本文档来自技高网...

【技术保护点】
一种基因序列读取方法，其特征在于，所述分析方法包括如下步骤：根据原始基因序列的相关信息，确定合适的纠错算法，并使用所述纠错算法对所述原始基因序列进行纠错，得到待处理基因序列；根据预设的进程数量以及所述待处理基因序列的总大小，将所述待处理基因序列进行分块处理，得到多个分块基因序列；以及，并发读取所述分块基因序列。

【技术特征摘要】
1.一种基因序列读取方法，其特征在于，所述分析方法包括如下步骤：根据原始基因序列的相关信息，确定合适的纠错算法，并使用所述纠错算法对所述原始基因序列进行纠错，得到待处理基因序列；根据预设的进程数量以及所述待处理基因序列的总大小，将所述待处理基因序列进行分块处理，得到多个分块基因序列；以及，并发读取所述分块基因序列。2.根据权利要求1所述的基因序列读取方法，其特征在于，所述根据预设进程数量以及所述待分析基因序列的总大小，将待处理基因序列进行分块处理，包括：初始化基因序列并行分割程序；获取所述待分析基因序列的总大小size；根据预设的进程数量p以及所述待分析基因序列的总大小size，确定分块大小size/p，根据所述分块大小size/p对所述待分析基因序列进行分块处理，得到所述多个分块基因序列。3.根据权利要求2所述的基因序列读取方法，其特征在于，所述根据预设进程数量p以及所述待分析基因序列的总大小size，确定分块大小size/p，根据所述分块大小size/p对所述待分析基因序列进行分块处理，包括：设定进程i的分块基因序列的起始位置为i*size/p，终止位置为(i+1)*size/p；寻找所述起始位置后的第一个序列的开始点start(i)，所述终止位置后的第一个序列的开始点或者文件终止符end(i)；确定进程i的分块基因序列在所述待分析基因序列中的起始地址为start(i)，终止地址为end(i)的基因序列。4.根据权利要求3所述的基因序列读取方法，其特征在于，所述并发读取所述多个分块基因序列，包括：对所述分块基因序列的起始地址和终止地址进行视图分块处理；并发读取所述分块基因序列的序列数据到内存。5.根据权利要求1～4中任一项所述的基因序列读取方法，其特征在于...

【专利技术属性】
技术研发人员：滕彦宁，魏彦杰，孟金涛，郭宁，葛健秋，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44