基于码书索引变换的高通量DNA序列数据压缩算法

fordies1

摘 要： 提出一种高通量 ＤＮＡ序列数据的压缩算法．该算法先采用码书索引变换模型，将传统码书索引值的表 示方法变换成由四个标准碱基字符替代的四进制数值方式，并采用一种界定替换串与非替换串的简明编码方法，接着 通过信息熵的大小来决定是否进行块排序压缩变换（ＢＷＴ），最后进行前移编码变换和 Ｈｕｆｆｍａｎ熵编码．在多种测序数 据集上的实验结果表明，ＣＩＴＤ在大多数情况下可以获得比本文所对比的高通量 ＤＮＡ专用压缩方法更优的压缩性能． 关键词： 高通量 ＤＮＡ序列；码书索引变换模型；块排序压缩变换；前移编码；信息熵；数据压缩算法
# ?. I9 ^! I7 ~# D3 O
5 I0 C3 v4 G5 t( D      目前实施的千人基因组计划、国际单体型图计划、 孟德尔遗传疾病等项目，利用“下一代测序”技术产生了 海量 ＤＮＡ测序数据．如何存储和传输高通量 ＤＮＡ测序 产生的数据，成为决定 ＤＮＡ研究发展的重要因素之一． 数据压缩是有效解决 ＤＮＡ序列存储和传输的一种重要 方法［１，２］．
: |- s5 B# n( ~1 g, |$ H
0 M% n  C! P( Z" Z: P* ^9 d
附件下载：

游客，如果您要查看本帖隐藏内容请回复

% O" j) r6 m: y3 I! o# s$ [

KIObole

多谢分享 厉害了