[发明专利]一种短序列映射方法及系统

说明书

技术领域

本发明属于基因工程技术领域，尤其涉及一种短序列映射方法及系统。

背景技术

对大基因组的短序列进行组装面临内存的挑战，为了降低构建de Bruijn图的内存使用，组装软件可以不在内存中记录测序序列和序列片段重叠群(contig)之间的对应关系，而只在contig组装完毕后，将正确的测序序列映射到contig上。现有的短序列比对软件分两类，一类使用了固定短串的组合索引结构，另一类使用的是后缀树类样的索引结构。现有短序列对比软件可以在两个错配之内将短序列映射到contig上，但是由于这些比对软件的出发点不是contig和参与拼接的序列之间的比对，特别是没有考虑使用de Bruijn图组装出的contig的特点，在这种情况下，其处理时间长、效率低。

综上所述，现有短序列对比软件在处理contig和短序列之间的比对时，处理时间长、效率低，不能很好地满足短序列组装中的需求。

发明内容

本发明实施例的目的在于提供一种短序列映射方法，旨在解决现有短序列对比软件在处理contig和短序列之间的比对时，处理时间长、效率低，不能很好地满足短序列组装中需求的问题。

本发明实施例是这样实现的，一种短序列映射方法，所述方法包括下述步骤：

将测序序列按预设长度前缀短串的碱基值排序；

将序列片段重叠群逐个碱基切割成所述预设长度的短串；

依次根据所述序列片段重叠群中所切割成的短串的碱基值在排序后的测序序列中查找相应的测序序列，建立映射关系。

本发明实施例的另一目的在于提供短序列映射系统，所述系统包括：

排序单元，用于将测序序列按预设长度前缀短串的碱基值排序；

切割单元，用于将序列片段重叠群逐个碱基切割成所述预设长度的短串；以及

映射单元，用于依次根据所述序列片段重叠群中所切割成的短串的碱基值在排序后的测序序列中查找相应的测序序列，建立映射关系。

在本发明实施例中，通过将测序序列按预设长度前缀短串的碱基值排序，并将contig逐个碱基切割成预设长度的短串，依次根据contig中所切割成的短串的碱基值在排序后的测序序列中查找相应的测序序列，建立映射关系，实现了用于短序列组装中的一种短序列映射方法，处理时间短、效率高。

附图说明

图1是本发明实施例提供的短序列映射方法的实现流程图；

图2是本发明实施例提供的短序列映射系统的结构图；

图3是本发明另一实施例提供的短序列映射系统的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，通过将测序序列按预设长度前缀短串的碱基值排序，并将contig逐个碱基切割成预设长度的短串，依次根据contig中所切割成的短串的碱基值在排序后的测序序列中查找相应的测序序列，建立映射关系。

图1示出了本发明实施例提供的短序列映射方法的实现流程，详述如下：

在步骤S101中，将测序序列按预设长度前缀短串的碱基值排序；

在步骤S102中，将contig逐个碱基切割成预设长度的短串；

在步骤S103中，依次根据contig中所切割成的短串的碱基值在排序后的测序序列中查找相应的测序序列，建立映射关系。

在本发明实施例中，短串长度的选取严格等于在构建de Bruijn图时短串的长度，即上述预设长度为构建de Bruijn图时短串的长度。将测序序列按前缀短串的碱基值排序，可以降低排序的复杂性。按预设长度切割各测序序列的前缀短串，并从小到大按短串的碱基值排序，生成一个短串数组，这个短串数组和各测序序列是一一对应的。建立一个索引数组用于记录短串数组中短串与测序序列的对应关系。在对短串进行排序时，可以使用桶排序对短串的碱基值进行排序。其中，每个桶子存放短串上的4个碱基，这样按4个碱基逐步完成排序。另外，在排序中使用另一个前缀数组记录相邻短串间共同的前缀碱基个数，对前缀碱基个数的记录可以在桶排序内部完成。当然，也可以采用其他方法对短串的碱基值进行排序。

然后，由于构建de Bruijn图时短串是唯一的，所以按照构建de Bruijn图时短串的长度将contig逐个碱基切割成的各个短串是唯一的。

接着，依次根据contig中切割成的短串的碱基值建立contig与测序序列的映射关系，上述步骤S103具体为：