主权项 |
一种测序序列映射方法,对于所获取参考基因组和至少一个测序序列进行操作;其中,参考基因组为已完成测序的基因组序列;操作包括以下步骤:步骤1、对所述参考基因组进行预处理,以生成参考基因组压缩结构、地址索引结构和等分点索引结构;所述参考基因组压缩结构以压缩形式存储整个参考基因组,所述地址索引结构按照一定次序存储所述参考基因组中所有子序列的地址值,所述等分点索引结构用于存储一部分地址值在地址索引结构中所处的位置,用于加速实现测序序列的初步定位;步骤2、基于参考基因组的特征、测序序列的整体信息、测序序列所属物种的多态发生情况,根据概率计算,设计映射算法的参数,以达到或折中对灵敏度、特异度、映射速度的要求;步骤3、根据经过预处理后得到的上述三种结构,通过子序列定位、基于自匹配函数的延拓、定量分析步骤将每一个测序序列映射至所述参考基因组上;步骤4、输出每个测序序列的映射信息;其中,步骤1中等分点索引结构如下生成:对于区间[0,4<sup>n</sup>‑1]中的等分点z<sub>i</sub>=i×2<sup>2n‑c</sup>,i=0,1,2…,2<sup>c</sup>‑1,比较所述等分点z<sub>i</sub>与地址索引结构中每个地址值对应的n位子序列的碱基值,找到一个地址值或者两个相邻地址值,使得该等分点z<sub>i</sub>等于该一个地址值所对应的n位子序列的碱基值或者位于该两个相邻地址值所对应的n位子序列的碱基值之间,并将该一个地址值在地址索引结构中的索引值或该两个相邻地址值在地址索引结构中的较小索引值存储为该等分点索引结构的第i个值,最终得到等分点索引结构;其中c为预先设定的整数值,其取值范围1≤c≤2n,n为预设的参考基因组中子序列的长度。 |