[发明专利]数据压缩方法、数据解压方法、装置和计算机系统

说明书

本公开提供了一种数据压缩方法，包括：获取测序数据中的质量值序列；获取所述质量值序列中的任一质量值的优先级分数，所述优先级分数表征所述任一质量值对于与所述测序数据相关的基因型的影响程度；基于所述优先级分数对所述任一质量值的比特平面进行位移，得到更新的质量值序列；以及基于比特平面编码算法对所述更新的质量值序列进行编码，得到所述质量值序列的压缩比特流。本公开还提供了一种数据解压方法、数据压缩装置、数据解压装置和计算机系统。

技术领域

本公开涉及计算机技术领域，更具体地，本公开涉及一种数据压缩方法、数据解压方法、数据压缩装置、数据解压装置和计算机系统。

背景技术

在生物信息学/基因组学领域中，通过基因组测序(Genome Sequencing)得到的高通量测序数据通常占据较大数据量，需要对其进行压缩后传输，以进行后续基因组数据处理和分析流程。

现有技术中，通常根据测序数据的不同的数据域或数据类型划分成不同的数据块，然后分别进行压缩。目前仅能够实现无损编码，或者损失数据量固定的有损编码。因此灵活性较差，无法实现从无损至不同程度有损的可伸缩式编码。

发明内容

本公开的一个方面提供了一种数据压缩方法，包括：获取测序数据中的质量值序列；获取所述质量值序列中的任一质量值的优先级分数，所述优先级分数表征所述任一质量值对于与所述测序数据相关的基因型的影响程度；基于所述优先级分数对所述任一质量值的比特平面进行位移，得到更新的质量值序列；以及，基于比特平面编码算法对所述更新的质量值序列进行编码，得到所述质量值序列的压缩比特流。

可选地，上述获取所述质量值序列中的任一质量值的优先级分数包括：为所述任一质量值设置第一偏差量和第二偏差量；在所述任一质量值增加所述第一偏差量的情况下，计算与所述测序数据相关的基因型的第一概率；在所述任一质量值减少所述第二偏差量的情况下，计算与所述测序数据相关的基因型的第二概率；以及，基于所述第一偏差量、所述第二偏差量、所述第一概率和所述第二概率，得到所述任一质量值的优先级分数。

可选地，上述计算与所述测序数据相关的基因型的第一概率和所述计算与所述测序数据相关的基因型的第二概率包括：基于贝叶斯算法计算与所述测序数据相关的基因型的后验概率。

可选地，上述得到所述任一质量值的优先级分数包括：计算所述第一概率和所述第二概率之间的第三偏差量；将所述第一偏差量和所述第二偏差量之和作为第四偏差量；以及，基于所述第三偏差量和所述第四偏差量的比值，得到所述任一质量值的优先级分数。

可选地，上述计算与所述测序数据相关的基因型的第一概率和所述计算与所述测序数据相关的基因型的第二概率包括：当与所述测序数据相关的基因型包括多个基因型时，分别计算所述多个基因型中的任一基因型的第一概率和第二概率；计算所述任一基因型的第一概率和第二概率之间的第三偏差量；将所述第一偏差量和所述第二偏差量之和作为第四偏差量；以及，基于与所述多个基因型中的各基因型对应的第三偏差量的均值与所述第四偏差量的比值得到所述任一质量值的优先级分数，或者，当与所述任一基因型对应的第三偏差量大于与所述多个基因型中的其他基因型对应的第三偏差量时，基于与所述任一基因型对应的第三偏差量与所述第四偏差量的比值得到所述任一质量值的优先级分数。

可选地，上述基于所述优先级分数对所述任一质量值的比特平面进行位移包括：当所述优先级分数小于等于零时，确定位移量为0；当所述优先级分数大于零小于第一数值时，确定所述位移量为所述优先级分数的取整结果；当所述优先级分数大于等于所述第一数值时，确定所述位移量为所述第一数值；以及，将所述任一质量值的比特平面移动所述位移量，得到所述更新的质量值序列。

可选地，上述测序数据包括按照预定顺序排列的多个短读长序列，所述短读长序列包括多个质量值，所述多个短读长序列中的质量值构成所述质量值序列。