[发明专利]FASTQ格式文件无损压缩的方法

权利要求书

1.一种FASTQ格式文件的压缩方法，其特征在于，包括如下步骤：

一、原文件分割重组

读取原文件，将其按每四行作为一个记录，丢弃第三行没有意义的数据，并将第一行、第二行和第四行单独生成文件，分别为序列标志文件、序列数据文件和质量评分文件；

二、分割文件处理

对序列数据文件和质量评分文件分别直接使用压缩工具进行压缩，序列标志文件再次进行分割处理，分割后的文件再进行压缩，对序列标志文件的处理过程如下：

1)构建标志集：根据关键符号对标识符进行分割将其标记化，标记化算法是将标识符内两个关键符号之间的数字和字母从T₁开始按序号利用T_i进行标记，得到由占位符组成的正则表达式，其中关键符号包括：点(.)，空格()，下划线(_)，连字符(-)，斜杠(/)，等号(＝)和冒号(:)；假设每个标识符中存在的标记的数量为t，每个T_i叫做一个标志集，1≤i≤t；

2)对标志集进行压缩处理：使用游程编码压缩带有字母数字值的标志集，如果游程编码不能将标志集的大小减小到原始值的90％以下，则标志集保持未压缩状态；通过存储连续标记之间的差异来压缩具有整数值的标志集，如果该方法不能将标志集的大小减小到原始值的90％以下，则标志集保持未压缩状态；如果标志集没有被上述任何方法转换，则取每个标志集并将其反转；

3)对变换后的标志集应用混合压缩：使用上下文混合算法zpaq，对变换后的标志集进行压缩，参数为-method 5-threads 8或-method 5-threads 12；

三、文件打包及二次压缩

在对分割文件处理之后，使用gzip的tar命令进行打包处理，修改tar命令的参数为zcf，并对算法执行过程中生成的中间文件进行清理操作。

2.根据权利要求1所述的压缩方法，其特征在于，压缩后的文件采用UDP协议传输。