資源描述：
《基于碼書索引變換的高通量DNA序列數(shù)據(jù)壓縮算法-論文.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第5期電子學(xué)報(bào)Vo1．43No．52015年5月ACrAEIECn)NICAs1NICAMav2015基于碼書索引變換的高通量DNA序列數(shù)據(jù)壓縮算法譚麗，孫季豐(華南理工大學(xué)電子與信息學(xué)院，廣東廣州510641)摘要：提出一種高通量DNA序列數(shù)據(jù)的壓縮算法．該算法先采用碼書索引變換模型，將傳統(tǒng)碼書索引值的表示方法變換成由四個標(biāo)準(zhǔn)堿基字符替代的四進(jìn)制數(shù)值方式，并采用一種界定替換串與非替換串的簡明編碼方法，接著通過信息熵的大小來決定是否進(jìn)行塊排序壓縮變換(Bwr)，最后進(jìn)行前移編碼變換和Hufman熵編碼．在多種測序數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，C1TD在大多數(shù)情況下可以獲得比本文所對比的高通量DN
2、A專用壓縮方法更優(yōu)的壓縮性能．關(guān)鍵詞：高通量DNA序列；碼書索引變換模型；塊排序壓縮變換；前移編碼；信息熵；數(shù)據(jù)壓縮算法中圖分類號：TP391文獻(xiàn)標(biāo)識碼：A文章編號：0372—2112(2015)05—1007．07電子學(xué)報(bào)URL：http：／／www．~jouma1．org．caDOI：10．3969／j．issn．0372-2112．2015．05．026High—ThroughputDNASequenceDataCompressionMethodBasedonCodebooklndexTransformationTANⅡ．SUNJi—feng(SchoolofElectronican
3、dInformationEngin~ring，SouthChinaUniversityofTechno／ogy，∞，Guangdong510641，Ch／na)Abst隱c【：Anovelhigh-throughputDNAsequencecompresfionmethodbasedoncodebookindextransformation(CITD)isproposa1．InCITD，weusedthecodebookindextransformation(crr)model，tosubstitutethetraditionalrepresatafionofcodebookindexes
4、bythequaternaryvalueswhichaleexpressedbythefourstandardbasecharacters，andadoptedasimpleencodingmethodtodistinguishthereplacedandnon-replacedsubstring，andsubsequentlydeterminedwhetherneedtousetheBurrowWheelerTransfor-ma~on(BWT)acc0蛐tothevalueofinformationentropy，finalyusedmovetofront(MTF)transforma
5、tionandHuffmanen—tropycodingtocompressthedata．ExperimentalresultsonseveralsequencingdatasetsdemonstratebetterperformanceofC1TDthanthehigh-throughputDNAsequencecompressionalgorithmscitedinthispaper，inmostcases．Keywords：high-throughputDNAsequence；codebookindextransformation(CIT)model；burrowwheelertr
6、ansfannation(BWT)；movetofront(MTF)；informationentropy；datacompressionalgorithm往是對全基因組的大規(guī)模測序，使用上述方法后的壓縮1引言效率有限，需要有專門針對高通量DNA序列數(shù)據(jù)的壓目前實(shí)施的千人基因組計(jì)劃、國際單體型圖計(jì)劃、縮方法．Kumppu[6]等人提出基于優(yōu)化的Lempe1．Ziv算法孟德爾遺傳疾病等項(xiàng)目，利用“下一代測序”技術(shù)產(chǎn)生了的大數(shù)據(jù)DNA壓縮方法(OptimizedRelativeLempe1．Ziv，海量DNA測序數(shù)據(jù)．如何存儲和傳輸高通量DNA測序RLZ-opt)，該算法在基因組序列中利用擴(kuò)展
7、的自索引去產(chǎn)生的數(shù)據(jù)，成為決定DNA研究發(fā)展的重要因素之一．控制搜索的子串，從而達(dá)到較好的壓縮效果．2011年，數(shù)據(jù)壓縮是有效解決DNA序列存儲和傳輸?shù)囊环N重要文獻(xiàn)[7]提出基于參考基因組序列的高通量DNA序列方法[，．?dāng)?shù)據(jù)壓縮的思想，利用提取參考基因組序列和重測序序由于DNA序列數(shù)據(jù)的特殊性，使用傳統(tǒng)的壓縮算列間的差異進(jìn)行壓縮，同時(shí)設(shè)計(jì)了相應(yīng)的算法并開發(fā)了法并不是很理想．因此從1993年起出現(xiàn)了專門針對壓縮工具GRSG
