一种基于最长路径搜索的三代序列比对方法技术

本发明专利技术提供了一种基于最长路径搜索的三代序列比对方法

【技术实现步骤摘要】
一种基于最长路径搜索的三代序列比对方法


[0001]本专利技术涉及一种
DNA
长序列处理方法，主要是基于最长路径搜索的三代序列比对方法
。

技术介绍

[0002]三代序指通过第三代
DNA
测序技术产生的序列，与二代测序序列相比，三代序列的序列长度长
、
错误率高
、
覆盖度低
。
三代序列比对是将三代测序数据与参考基因组进行比对，确定序列与参考基因组的相似性及位置
。
序列比对是序列分析的重要研究内容，也是后续生物信息挖掘的基础
。
现有的大多数序列比对方法都是针对第二代测序技术产生的数据
(
序列短，错误率低
)
，并不适用于处理三代序列数据，因此需要开发新的三代序列比对方法
。
目前，针对三代序列的比对方法主要包括基于哈希搜索种子的比对方法
、
基于文本压缩与索引的种子搜索比对方法及基于已有比对工具的种子搜索比对方法
。
>各类方法各具优势但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于最长路径搜索的三代序列比对方法，其特征在于，包括下述步骤：步骤1：构建基因组
k
‑
mer
位置文库基因组
k
‑
mer
位置文库指的是存储基因组
k
‑
mer
子片段位置的哈希表，首先提取基因组序列的所有
k
‑
mer
子片段，然后采用哈希函数进行
k
‑
mer
转换，并将
k
‑
mer
在基因组中的位置存储到哈希表中，具体实现过程为：
1)
根据
k
‑
mer
大小
(
Γ
)
创建长度为4Γ
的哈希表，即数组，用来存储相应
k
‑
mer
在基因组中的位置；
2)
提取基因组序列的所有
k
‑
mer
，
k
‑
mer
是指基因组序列中包含
k
个碱基的子片段，对于一条长度为
L
的基因组
DNA
序列，在
k
‑
mer
长度为
Γ
的情况下，基因组所有
k
‑
mer
个数为
L
‑
Γ
+1
；
3)
对基因组序列第一个
k
‑
mer
进行哈希转换，假设该
k
‑
mer(
长度为
Γ
)
可表示为：
w
＝
c1,c2,...,c
Γ
，其在哈希表中的存储地址可通过以下哈希函数计算得到：式中4Γ
‑
γ
是
k
‑
mer
中第
γ
个位置上碱基
(c
γ
)
的权重，
I(c
γ
)
是索引函数，定义为：每个
k
‑
mer
的哈希编码可看作是
Γ
位四进制数的一个转换，通过公式
(1)
计算基因组序列每个
k
‑
mer
哈希值即为该
k
‑
mer
在位置文库中的索引位置，然后将此
k
‑
mer
在基因组中的位置存储到该索引下的数组中；
4)
重复步骤
3)
计算基因组所有
k
‑
mer
的哈希值并存储其在基因组中的位置，当存储完所有
k
‑
mer
位置信息后，即为构建的基因组
k
‑
mer
位置文库；步骤2：匹配
k
‑
mer
表示及修正首先提取待比对序列的所有
k
‑
mer
；然后根据上一步构建的基因组
k
‑
mer
位置文库找到待比对序列每个
k
‑
mer
在基因组中出现的位置；然后对每个匹配的位置信息进行修正，这样可以使反向匹配节点的分布变化趋势与正向匹配节点的变化趋势一致；具体实现步骤如下：
1)
对于待比对序列
r
，提取
r
的所有
k
‑
mer
，然后通过公式
(1)
计算哈希值，即可找到该
k
‑
mer
在基因组中的位置信息，序列
r
每个
k
‑
mer
及其在基因组中的位置可用一个四元组表示：
match
i
(pr,pg,dr,dg)(3)
式中
match
i
(pr)
表示第
i
个匹配在序列
r
中的位置，
match
i
(pg)
表示第
i
个匹配在参考基因组中的位置，
match
i
(dr)
和
match
i
(dg)
分别表示第
i
个匹配在序列
r
中和在参考基因组中的方向
(1
表示正向，0表示反向
)
；
2)
通过公式
(3)
找出序列
r
每个
k
‑
mer
的四元组信息后，用以下公式对反向匹配的
k
‑
...

【专利技术属性】
技术研发人员：卫泽刚，
申请(专利权)人：宝鸡文理学院，
类型：发明
国别省市：