一种测序序列纠错方法、系统及设备

摘要

本发明适用于基因工程技术领域，提供了一种测序序列纠错方法、系统及设备，所述方法包括下述步骤：接收测序序列，根据预设的高频阀值构造高频短串表；遍历接收到的各测序序列，结合所述高频短串表在各测序序列上查找连续为高频短串最多的区域；根据相应接收到的测序序列和所述高频短串表，在查找到的所述区域左侧和/或右侧构造全是高频短串的左序列和/或右序列；根据构造的所述左序列和/或右序列，以及查找到的所述区域还原相应测序序列。在本发明中，根据预设的高频阀值构造高频短串表，结合构建的高频短串表将各测序序列中非连续高频短串区域的序列恢复为连续高频短串区域的序列，提高后续对测序序列进行分析、处理的准确性。

主权项

一种测序序列纠错方法，其特征在于，所述方法包括下述步骤：接收测序序列，将接收到的各测序序列逐个碱基切割成预设长度的短串；将切割得到的且出现次数超过预设高频阀值的短串添加到高频短串表；遍历接收到的各测序序列，结合所述高频短串表在各测序序列上查找连续为高频短串最多的区域；从相应测序序列的第s1个碱基开始取n‑1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为s1的左侧树；遍历所述左侧树，找到一条全是高频短串的路径，根据所述路径从叶子节点向上构造全是高频短串的左序列；从相应测序序列的第s2个碱基开始取n‑1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为ln‑(s2‑1)的右侧树；遍历所述右侧树，找到一条全是高频短串的路径，根据所述路径从根节点向下构造全是高频短串的右序列；其中，s1、s2分别为查找到的所述连续为高频短串最多的区域的起始碱基、结束碱基距离相应测序序列首个碱基的数目，n为所述高频短串的碱基长度，ln为相应测序序列的碱基长度；根据构造的所述左序列和/或右序列，以及查找到的所述连续为高频短串最多的区域还原相应测序序列，所述还原相应测序序列具体为：将得到的左序列添加到相应最长的高频序列左边，和/或者将得到的右序列添加到相应最长的高频序列右边。