[发明专利]一种基于共享数据梗概的DNA序列查询系统

权利要求书

1.一种基于共享数据梗概的DNA序列查询系统，其特征在于，包括：

数据预处理子系统，对原始DNA数据进行处理，从中提取出DNA序列及其所属档案库信息，即二元组e＝(x，y)，x为DNA序列信息，y为存储该DNA序列的档案库，即二元组e＝(x，y)的含义为来自档案库y的DNA序列x，x表示为字符串格式，y为区间[0，n]内的正整数，即y＝{1，...，n}，n为档案库的数量；所述数据预处理子系统定义一簇哈希函数f和三元组L，哈希函数f包含r个相互独立的哈希函数f₁，...，f_r，哈希函数f将二元组e＝(x，y)中的档案库编号y随机映射到任意一个正整数，即f_i：y→N，i＝1，...，r，对不同的档案库编号y₁和y₂，有f(y₁)≠f(y₂)，由二元组e＝(x，y)和哈希函数f，定义三元组L_i，y＝(i，f_i(y)，x)，i＝1，...，r，其中，i为哈希函数的序号，f_i(y)为哈希函数f_i对档案库信息y的哈希结果，对每个二元组e＝(x，y)，借由r个哈希函数f₁，...，f_r，能产生r个不同的三元组；

数据梗概建立与更新子系统，将来自不同档案库的二元组压缩存储到数据梗概中，首先将二元组映射成多个三元组，再将三元组映射到数据梗概相应的位置上，更新对应位置的元素值，由此实现二元组的共享压缩存储与数据梗概的更新；所述数据梗概建立与更新子系统采用基于比特位数组的数据梗概对DNA序列信息进行压缩，将数据梗概定义为B，其长度为|B|＝m，元素b_j＝{0，1}∈B，j＝1，...，m，初始化b_j←0，即数据梗概B为长度为m的比特位数组，数据梗概B通过哈希函数进行更新；据此，定义一簇哈希函数h，哈希函数h包含k个相互独立的哈希函数h₁，...，h_k，哈希函数h将三元组L_i，y＝(i，f_i(y)，x)映射到{1，...，m}共m个整数中，即h_j：(i，f_i(y)，x)→{1，...，m}，j＝1，...，k，映射的结果满足均匀分布，即对每个三元组L_i，y，哈希函数h将其均匀映射到数据梗概B的k个不同的位置；

DNA序列查询子系统，对给定感兴趣的DNA序列，通过数据梗概近似查询其存在于哪些档案库；所述DNA序列查询子系统将给定的DNA序列信息组合成若干三元组，这些三元组被映射到数据梗概对应的位置上，根据数据梗概对应位置元素的取值进行判断，得到最终查询结果。

2.根据权利要求1所述基于共享数据梗概的DNA序列查询系统，其特征在于，所述DNA序列查询子系统中，在二元组e＝(x，y)到来时，首先通过哈希函数f产生r个三元组L_i，y＝(i，f_i(y)，x)，i＝1，...，r，对每个三元组L_i，y，通过哈希函数h将L_i，y映射到数据梗概的k个位置h_j(L_i，y)，j＝1，...，k，并将对应位置的元素置为1，即

3.根据权利要求2所述基于共享数据梗概的DNA序列查询系统，其特征在于，所述DNA序列查询子系统中，在给定感兴趣的DNA序列x时，将查询结果，即x可能所在的档案库集合表示为M_x，并初始化对感兴趣的DNA序列x，首先产生n*r个三元组L_i，y＝(i，f_i(y)，x)，i＝1，...，r；y＝1，...，n，对固定的y，按照如下步骤更新M_x：

(1)使用哈希函数组h_j，j＝1，...，k，对r个三元组L_i，y，i＝1，...，r，哈希到数据梗概对应的位置

(2)若对应位置的值均为1，则更新M_x←M_x∪{y}，反之不更新M_x；

改变y的取值，重复上述两个步骤，直到y遍历1，...，n，得到的M_x即为最终DNA序列x所在的档案库查询结果。