[发明专利]用于压缩基因组数据的方法

摘要

本发明涉及一种用于压缩基因组数据的方法，其中基因组数据被存储在包含由基因组测序方法构建的至少多个读段的至少一个数据文件中，其中每个读段包括映射位置、CIGAR字符串和实际测序的核苷酸序列作为供体基因组的局部部分，该方法包括步骤；‑通过使用当前读段的映射位置和CIGAR字符串来展开数据文件之一的当前读段的核苷酸序列，其中当前读段具有至少一个先前读段；‑计算所述当前读段的展开的核苷酸序列与至少一个先前读段的展开的核苷酸序列之间的差值，其中差值包含映射位置的差值和核苷酸序列的差值；‑将计算出的差值传递给熵编码器以压缩所述差值；‑通过所压缩的差值对当前读段编码，以及‑将当前读段作为先前读段之一并且将下一个读段作为新的当前读段重复上述步骤，直到不再有下一个读段可用为止。

主权项

一种用于压缩基因组数据的方法，其中，所述基因组数据存储在至少一个数据文件中，所述至少一个数据文件包含通过基因组测序方法构建的至少多个读段，其中每个读段包括映射位置、CIGAR字符串和实际测序的核苷酸序列作为供体基因组的局部部分，所述方法包括如下步骤：‑通过使用所述当前读段的映射位置和CIGAR字符串来展开所述数据文件之一的当前读段的核苷酸序列，其中所述当前读段具有至少一个先前读段，‑计算所述当前读段的展开的核苷酸序列与至少一个所述先前读段的展开的核苷酸序列之间的差值，其中所述差值包含映射位置的差值和核苷酸序列的差值，‑将所述计算出的差值传递给熵编码器以压缩所述差值，‑通过所压缩的差值对所述当前读段编码，以及‑将所述当前读段作为所述先前读段之一并且将下一个读段作为新的当前读段重复上述步骤，直到不再有下一个读段可用为止。