[发明专利]一种GPU加速的DNA序列压缩方法及系统

权利要求书

1.一种GPU加速的DNA序列压缩方法，其特征在于，包括：

中央处理器采用模板链算法对元数据进行简化，将简化后的元数据发送给图形处理器；

图形处理器利用稀疏索引算法将DNA碱基序列与参考基因组进行匹配，得到匹配结果；

所述图形处理器采用Burrows–Wheeler变换算法、Move-to-front变换算法和区间编码器对所述匹配结果、所述简化后的元数据和质量分数进行压缩，得到压缩后的DNA序列。

2.如权利要求1所述的DNA序列压缩方法，其特征在于，所述中央处理器采用模板链算法对元数据进行简化包括：

所述中央处理器选取若干条元数据，根据预置的分隔符将每一条元数据切分成若干模块；

将每一条元数据中的相对应的模块逐一比较，若每一条元数据中相对应的模块相同，则将其状态设置为1，若数字递增，则将其状态设置为2，若不同，则将其状态设置为3，得到状态链；

遍历每一条元数据，结合所述状态链，找出差异的部分，将第一条元数据作为模板链；

将所述模板链、所述状态链和所述差异的部分进行保存，得到简化后的元数据。

3.如权利要求2所述的DNA序列压缩方法，其特征在于，所述分隔符包括逗号、句号、冒号、等号、空格和连接号。

4.如权利要求1所述的DNA序列压缩方法，其特征在于，所述图形处理器利用稀疏索引算法将DNA碱基序列与参考基因组进行匹配包括：

所述图形处理器查找所述参考基因组中前缀的位置，取k-mer的哈希值构建哈希索引表，所述哈希索引表中包含每一条k-mer的哈希值、出现频率和出现位置；

将所述哈希索引表保存至内存中，根据所述哈希索引表将N×N个DNA碱基序列异步地传输到一个N×N的匹配矩阵中，在所述匹配矩阵的每个位置保存一个DNA碱基序列，所述匹配矩阵中的每个位置表示所述图形处理器的一个计算单元；

找到所述DNA碱基序列上的两个前缀并计算其k-mer值，在所述哈希索引表上找到与所述两个前缀最接近的位置，并将每一字符进行比较，得到匹配结果。

5.如权利要求1所述的DNA序列压缩方法，其特征在于，所述图形处理器采用Burrows–Wheeler变换算法、Move-to-front变换算法和区间编码器对所述匹配结果、所述简化后的元数据和质量分数进行压缩，得到压缩后的DNA序列包括：

所述图形处理器将所述匹配结果、所述简化后的元数据和所述质量分数分别进行编码，得到编码数据；

将所述编码数据分割为N×N份，将分割得到的N×N份数据异步地传输到一个N×N的计算矩阵中，所述计算矩阵的每个位置保存一份数据，所述计算矩阵的每个位置表述所述图形处理器的一个计算单元；

所述计算矩阵中的每个位置对各自保存的数据分别进行Burrows–Wheeler变换算法、Move-to-front变换算法和区间编码器的编码，得到压缩后的DNA序列。

6.一种GPU加速的DNA序列压缩系统，其特征在于，包括：

中央处理器，用于采用模板链算法对元数据进行简化，将简化后的元数据发送给图形处理器；

图形处理器，用于利用稀疏索引算法将DNA碱基序列与参考基因组进行匹配，得到匹配结果；所述图形处理器还用于采用Burrows–Wheeler变换算法、Move-to-front变换算法和区间编码器对所述匹配结果、所述简化后的元数据和质量分数进行压缩，得到压缩后的DNA序列。

7.如权利要求6所述的DNA序列压缩系统，其特征在于，所述中央处理器具体用于：

选取若干条元数据，根据预置的分隔符将每一条元数据切分成若干模块；

将每一条元数据中的相对应的模块逐一比较，若每一条元数据中相对应的模块相同，则将其状态设置为1，若数字递增，则将其状态设置为2，若不同，则将其状态设置为3，得到状态链；

遍历每一条元数据，结合所述状态链，找出差异的部分，将第一条元数据作为模板链；

将所述模板链、所述状态链和所述差异的部分进行保存，得到简化后的元数据。