[发明专利]一种基因序列比对的方法、系统及相关组件

说明书

本申请公开了一种基因序列比对的方法，所述方法包括确定待对比序列和参考序列，并根据参考序列确定指针表和候选对比位置表；从待对比序列中提取预设长度的种子序列，并确定种子序列的索引值；根据种子序列的索引值查询指针表和候选对比位置表判断参考序列中是否存在种子序列对应的位置信息；若是，则将种子序列作为待扩展序列，根据位置信息以参考序列为基准对待扩展序列进行扩展操作得到中间序列，并对比中间序列与待对比序列得到基因序列比对结果。本方法能够能够降低存储参考序列索引值的表的存储空间，提高基因序列比对速率。本申请还公开了一种基因序列比对的系统、一种计算机可读存储介质及一种电子设备，具有以上有益效果。

技术领域

本发明涉及计算机技术与生物基因技术交叉学科领域，特别涉及一种基因序列比对的方法、系统、一种电子设备及一种计算机可读存储介质。

背景技术

基因序列比对的策略通常主要包括seed(种子序列)查找和seed扩展两个阶段。seed查找阶段的主要是在read(待比对序列)上查找一定长度且在参考序列上能够完全精确匹配的子序列，即seed(种子序列)。扩展阶段对查找到的seed在参考序列的种子序列上进行扩展。最后根据在各个种子序列上的打分情况选择最佳的比对结果。

现有技术中，为了使seed能够快速地精确匹配到参考序列上，可以对参考序列进行预先索引，在seed查找阶段根据索引值直接获取的seed在参考序列上的位置。参考序列的索引表基本单元为index,pos，index的长度可根据索引的策略选择，pos为seed在参考序列上的位置。但是，由于索引表需要在整个参考序列上逐位建立，需要的存储空间十分巨大。因此利用FPGA(Field－Programmable Gate Array，即现场可编程门阵列)根据索引值进行对比索引表的访问为随机访问的访问速率较低。

因此，如何降低存储参考序列索引值的表的存储空间，提高基因序列比对速率是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种基因序列比对的方法、系统、一种电子设备及一种计算机可读存储介质，能够降低存储参考序列索引值的表的存储空间，提高基因序列的索引值比对速率。

为解决上述技术问题，本申请提供一种基因序列比对的方法，该方法包括：

确定待对比序列和参考序列，并根据所述参考序列确定指针表和候选对比位置表；其中，所述候选对比位置表为描述参考子序列在所述参考序列上的位置信息与所述参考子序列的R位索引值的后M位的对应关系，且所述索引值前R-M位相同的参考子序列的位置信息连续排列的表，所述指针表为描述所述索引值前N位相同、第N+1位至第R-M位不同的参考子序列在所述候选对比位置表中的偏移地址的表；所述参考子序列为按照预设长度对所述参考序列逐位提取得到；

从待对比序列中提取预设长度的种子序列，并确定所述种子序列的索引值；

根据所述种子序列的索引值查询所述指针表和所述候选对比位置表判断所述参考序列中是否存在所述种子序列对应的位置信息；

若是，则将所述种子序列作为待扩展序列，根据所述位置信息以所述参考序列为基准对所述待扩展序列进行扩展操作得到中间序列，并对比所述中间序列与所述待对比序列得到基因序列比对结果。

可选的，根据所述参考序列确定指针表和候选对比位置表包括：

对所述参考序列逐位提取预设长度的所述参考子序列，记录所述参考子序列的位置信息，并将所述参考子序列转换为索引值；

按照预设规则将所述索引值进行字节划分得到第一子索引值、第二子索引值和第三子索引值；其中，所述第一子索引值为所述索引值的前N位，所述第三子索引值为所述索引值的后M位，所述第二子索引值为所述索引值的第N+1位至第R-M位；