[发明专利]一种DNA数据集植入模体搜索方法及其装置与存储介质

权利要求书

1.一种DNA数据集植入模体搜索方法，其特征在于，包括：

获取DNA序列大数据集、获取所述DNA序列大数据集的植入模体搜索参数，其中，所述DNA序列大数据集包括若干条DNA序列，每条DNA序列包括若干字符，所述植入模体搜索参数包括植入模体的长度l、植入模体的海明距离d；

根据所述DNA序列大数据集、所述植入模体搜索参数得到第一k-mer集，根据所述第一k-mer集得到第一l-mer集，根据所述第一l-mer集得到第二l-mer集，其中，所述第一k-mer集包括若干k-mer，每个k-mer包括k个字符，所述第一l-mer集包括若干第一l-mer，每个第一l-mer包括l个字符，所述第二l-mer集包括若干第二l-mer，每个第二l-mer包括l个字符；

根据第一得分模型从所述第二l-mer集确定所述植入模体；

其中，根据所述第一k-mer集得到所述第一l-mer集，包括：

从所述第一k-mer集中获取k-mer；

对所述DNA序列大数据集中的每个所述k-mer进行扩展处理，得到扩展的第一k-mer集；

根据第二得分模型对所述扩展的第一k-mer集进行去冗余处理，得到扩展的第二k-mer集，其中，第二得分模型用于对扩展的第一k-mer集中的每个扩展的第一k-mer进行评估，评估扩展的第一k-mer是否由背景序列组成；

对所述扩展的第二k-mer集进行截取处理，得到第一l-mer；

根据所述第一l-mer，得到所述第一l-mer集；

其中，根据所述第一l-mer集得到第二l-mer集，包括：

对所述第一l-mer集中的第一l-mer构建二项树；

根据所述第一得分模型对构建的所述二项树的所有结点计算得分，将所述得分最高的结点作为第二l-mer；

根据所述第二l-mer对所述第一k-mer集进行去冗余处理，得到第二k-mer集，所述第二k-mer集包括若干k-mer，每个k-mer包括k个字符；

根据所述第二k-mer集处理所述第一l-mer集，得到所述第二l-mer集；

其中，所述第一得分模型表示二项树模型中每个结点的得分，根据所述DNA序列大数据集、所述植入模体搜索 参数得到所述第一得分模型，包括：

从所述DNA序列大数据集中获取若干l-mer，每个l-mer包括l个字符；

根据所述若干l-mer与所述第一l-mer之间的海明距离，得到一排序队列；

根据所述排序队列得到所述第一得分模型。

2.根据权利要求1所述的方法，其特征在于，根据所述DNA序列大数据集、所述植入模体搜索参数得到第一k-mer集，包括：

获取长度k，根据所述长度k从所述DNA序列大数据集中获取若干k-mer；

获取第一阈值，根据所述第一阈值、所述k-mer得到所述第一k-mer集。

3.根据权利要求2所述的方法，其特征在于，获取所述长度k，包括：

根据所述DNA序列大数据集得到第一期望值；

根据所述DNA序列大数据集、所述植入模体搜索参数得到第二期望值；

根据所述第一期望值、所述第二期望值得到所述长度k。

4.根据权利要求3所述的方法，其特征在于，获取所述第一阈值，包括：

从所述DNA序列大数据集中获取DNA序列的数量；

根据所述第二期望值、所述DNA序列数量得到所述第一阈值。

5.根据权利要求1所述的方法，其特征在于，对所述扩展的第二k-mer集进行截取处理，得到第一l-mer，包括：

根据所述扩展的第二k-mer集得到比对序列；

根据预设规则对所述比对序列进行截取处理，得到所述第一l-mer。