发明名称 | 基于多参考序列的基因序列分级压缩方法 | ||
摘要 | 本发明提出了一种基于多参考序列的基因序列分级压缩方法,该方法首先将BAM格式文件转化成SAM格式的文件,SAM格式的基因序列由11个强制域和多个可选域构成,将原文件按域提取成12个独立文件,然后对12个文件进行并行压缩:(1)对‘Sequence’域采用基于多个参考序列逐步减半序列长度的分级压缩方法;(2)对于‘Quality Value’域采用k均值聚类结合上下文建模PPMVC压缩的方法;该方案相对于现有的同格式的压缩方案既提高或保证了压缩效率,又提供了压缩等级的多选择性,使得其更有适应性与扩展性。 | ||
申请公布号 | CN103546160A | 申请公布日期 | 2014.01.29 |
申请号 | CN201310433248.2 | 申请日期 | 2013.09.22 |
申请人 | 上海交通大学 | 发明人 | 熊红凯;李平好 |
分类号 | H03M7/30(2006.01)I | 主分类号 | H03M7/30(2006.01)I |
代理机构 | 上海汉声知识产权代理有限公司 31236 | 代理人 | 郭国中 |
主权项 | 一种基于多参考序列的基因序列分级压缩方法,其特征是,首先将BAM格式文件转化成SAM格式的文件,SAM格式的基因序列由11个强制域和多个可选域构成,将可选域作为第12个域,原文件按域提取成12个独立文件,然后对12个文件进行并行压缩:(1)对‘Sequence’域采用基于多个参考序列逐步减半序列长度的分级压缩方法;(2)对于‘Quality Value’域采用k均值聚类结合上下文建模PPMVC压缩的方法;(3)对于剩下的十个域采用基于域内特征和域间相关性的压缩方法。 | ||
地址 | 200240 上海市闵行区东川路800号 |