CN109949867A - 一种多条序列比对算法的优化方法和系统、存储介质 - Google Patents

Abstract

本发明涉及一种多条序列比对算法的优化方法和系统、存储介质，该方法包括：从多条序列中选择核心序列；将核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量；根据两两序列共有的片段数量构建第一引导树；对第一引导树采用渐进算法得到多条序列比对的第一结果；根据第一结果计算两两序列的距离，得到距离矩阵；根据距离矩阵构建第二引导树，比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复构建第二引导树和将第一引导树与第二引导树比较的过程，直至比较次数超过阈值，从而可以缩短序列比较的耗时，加快处理进度，降低资源消耗。

Description

一种多条序列比对算法的优化方法和系统、存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种多条序列比对算法的优化方法和系统、存储介质。

背景技术

基因组序列比对的基因组数据分析的一般基础处理步骤，这个过程的目的在意定位测序序列再参考基因组上的位置。而由于参考基因组序列和测序序列的序列数据总量很大，比对序列的处理时间较长，成立基因组数据分析里最耗时的过程，显然，这种耗时长、处理进度慢、消耗资源多的方式已经不能满足序列比对的需求。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种多条序列比对算法的优化方法和系统、存储介质。

本发明解决上述技术问题的技术方案如下：一种多条序列比对算法的优化方法，包括：

步骤1、从多条序列中选择核心序列；

步骤2、将所述核心序列与所述多条序列中的其他序列两两比对，得到序列共有的片段数量；

步骤3、根据两两序列共有的片段数量构建第一引导树；

步骤4、对所述第一引导树采用渐进算法得到多条序列比对的第一结果；

步骤5、根据所述第一结果计算两两序列的距离，得到距离矩阵；

步骤6、根据所述距离矩阵构建第二引导树，比较所述第一引导树和所述第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复执行步骤5和步骤6，直至执行步骤5和步骤6的次数超过阈值。

本发明的有益效果是：通过将从多条序列中选择的核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量，并对根据两两序列共有的片段数量构建的第一引导树采用渐进算法得到多条序列比对的第一结果，再根据第一结果计算两两序列的距离得到的距离矩阵构建第二引导树，进而比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复构建第二引导树和将第引导树与第二引导树比较的过程，直至比较次数超过阈值，从而可以缩短序列比较的耗时，加快处理进度，降低资源消耗。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，步骤1具体包括：

步骤1.1、将所述多条序列中的任一条序列作为候选序列，并将所述候选序列与所述多条序列中的其他序列两两比对，得到多个比对结果；

步骤1.2、将比对结果最好的候选序列确定为核心序列。

采用上述进一步方案的有益效果是：将多条序列中的任一条序列与多条序列中的其他序列两两比对，得到的多个比较结果中比对结果最好的候选序列确定为核心序列，将其作为后续的比对过程中参考序列，从而有效的提升序列比对的速率。

进一步地，步骤1.2具体包括：取下式的值最大的一个候选序列作为所述核心序列，

∑sim(s_i，s_c)，

其中，i取1到k且不取c，k为所述多条序列的数量，Sc为所述候选序列。

进一步地，步骤2具体包括：

步骤2.1、分别对所述多条序列中的每条序列和所述核心序列设置序列起始和终止位置，以选择每个序列中的部分序列；

步骤2.2、将所述核心序列的部分序列与所述多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

采用上述进一步方案的有益效果是：在将核心序列与多条序列中的其他序列两两比对之前，对分别对多条序列中的每条序列和核心序列设置序列起始和终止位置，从而在进行两两比对时，减少比对数据量，进一步缩短耗时，提高效率。

本发明解决上述技术问题的另一种技术方案如下：一种多条序列比对算法的优化系统，包括：

选择模块，用于从多条序列中选择核心序列；

比对模块，用于将所述选择模块选择的所述核心序列与所述多条序列中的其他序列两两比对，得到序列共有的片段数量；

构建模块，用于根据所述比对模块得到的两两序列共有的片段数量构建第一引导树；

计算模块，用于对所述构建模块构建的第一引导树采用渐进算法得到多条序列比对的第一结果，并根据所述第一结果计算两两序列的距离，得到距离矩阵；

所述构建模块，还用于根据所述计算模块得到的所述距离矩阵构建第二引导树；

比较模块，用于比较所述构建模块构建的第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，并重复调用所述计算模块和所述构建模块，直至比对次数超过阈值。

本发明的有益效果是：将从多条序列中选择的核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量，并对根据两两序列共有的片段数量构建的第一引导树采用渐进算法得到多条序列比对的第一结果，再根据第一结果计算两两序列的距离得到的距离矩阵构建第二引导树，进而比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复构建第二引导树和将第引导树与第二引导树比较的过程，直至比较次数超过阈值，从而可以缩短序列比较的耗时，加快处理进度，降低资源消耗。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述比对模块包括，比对单元和确定单元，其中，

所述比对单元，用于将所述多条序列中的任一条序列作为候选序列，并将所述候选序列与所述多条序列中的其他序列两两比对，得到多个比对结果；

所述确定单元，用于将比对结果最好的候选序列确定为核心序列。

进一步地，所述确定单元具体用于，取下式的值最大的一个候选序列作为所述核心序列，

∑sim(s_i，s_c)，

其中，i取1到k且不取c，k为所述多条序列的数量，Sc为所述候选序列。

进一步地，所述比对模块具体用于，分别对所述多条序列中的每条序列和所述核心序列设置序列起始和终止位置，以选择每个序列中的部分序列，并将所述核心序列的部分序列与所述多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

本发明解决上述技术问题的另一种技术方案如下：一种基于激光雷达识别风切变的装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如上述技术方案所述的多条序列比对算法的优化方法。

本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的多条序列比对算法的优化方法。

本发明附加的方面及其的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种多条序列比对算法的优化方法的流程示意图；

图2为本发明另一实施例提供的一种多条序列比对算法的优化方法的流程示意图；

图3为本发明实施例提供的一种多条序列比对算法的优化方法中选择核心序列的过程示意图；

图4为本发明另一实施例提供的一种多条序列比对算法的优化方法的流程示意图；

图5为本发明实施例提供的一种多条序列比对算法的优化系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

如图1所示的一种多条序列比对算法的优化方法100，包括：

110、从多条序列中选择核心序列。

120、将核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量。

130、根据两两序列共有的片段数量构建第一引导树。

140、对第一引导树采用渐进算法得到多条序列比对的第一结果。

150、根据第一结果计算两两序列的距离，得到距离矩阵。

160、根据距离矩阵构建第二引导树，比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复执行步骤150和步骤160，直至执行步骤150和步骤160的次数超过阈值。

上述实施例中提供的一种多条序列比对算法的优化方法：通过将从多条序列中选择的核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量，并对根据两两序列共有的片段数量构建的第一引导树采用渐进算法得到多条序列比对的第一结果，再根据第一结果计算两两序列的距离得到的距离矩阵构建第二引导树，进而比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复构建第二引导树和将第引导树与第二引导树比较的过程，直至比较次数超过阈值，从而可以缩短序列比较的耗时，加快处理进度，降低资源消耗。

可选地，作为一个实施例，如图2所示，在步骤110可以包括：

111、将多条序列中的任一条序列作为候选序列，并将候选序列与多条序列中的其他序列两两比对，得到多个比对结果。

112、将比对结果最好的候选序列确定为核心序列。

具体的，在该实施例中，取下式的值最大的一个候选序列作为核心序列，

∑sin(s_i，s_c)，

其中，i取1到k且不取c，k为多条序列的数量，Sc为候选序列。选择核心序列的过程如图3所示。

在该实施例中，将多条序列中的任一条序列与多条序列中的其他序列两两比对，得到的多个比较结果中比对结果最好的候选序列确定为核心序列，将其作为后续的比对过程中参考序列，从而有效的提升序列比对的速率。

可选地，在另一个实施例中，如图4所示，步骤120可以包括：

121、分别对多条序列中的每条序列和核心序列设置序列起始和终止位置，以选择每个序列中的部分序列。

122、将核心序列的部分序列与多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

具体的，在该实施例中，在将核心序列与多条序列中的其他序列两两比对之前，对分别对多条序列中的每条序列和核心序列设置序列起始和终止位置，从而在进行两两比对时，减少比对数据量，进一步缩短耗时，提高效率。

应理解，在上述实施例中的步骤110，可以具体为步骤111-112，为了描述的简洁，在此不再赘述。

还应理解，在本发明的上述各实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上文结合图1至图4，对本发明实施例提供的一种多条序列比对算法的优化方法进行了详细的描述，下面结合附图5对本发明实施例提供的一种多条序列比对算法的优化系统进行详细的描述。

如图5所示，本发明还提供一种多条序列比对算法的优化系统200。该系统200包括：选择模块210、比对模块220、构建模块230、计算模块240和比较模块250。其中，

选择模块210用于从多条序列中选择核心序列。比对模块220用于将选择模块210选择的核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量。构建模块230用于根据比对模块220得到的两两序列共有的片段数量构建第一引导树。

计算模块240用于对构建模块230构建的第一引导树采用渐进算法得到多条序列比对的第一结果，并根据第一结果计算两两序列的距离，得到距离矩阵。构建模块230还用于根据计算模块240得到的距离矩阵构建第二引导树。比较模块250用于比较构建模块构建230的第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，并重复调用计算模块240和构建模块230，直至比对次数超过阈值。

上述实施例提供的一种多条序列比对算法的优化系统，通过将从多条序列中选择的核心序列与多条序列中的其他序列两两比对，得到序列共有的片段数量，并对根据两两序列共有的片段数量构建的第一引导树采用渐进算法得到多条序列比对的第一结果，再根据第一结果计算两两序列的距离得到的距离矩阵构建第二引导树，进而比较第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复构建第二引导树和将第引导树与第二引导树比较的过程，直至比较次数超过阈值，从而可以缩短序列比较的耗时，加快处理进度，降低资源消耗。

应理解，在本发明实施例中，根据本发明实施例的系统200，可对应于根据本发明实施例的方法100的执行主体，并且该系统200的上述和其它操作和/或功能分别为了实现图1至图4中的方法的相应流程，为了简洁，在此不再赘述。

可选地，在一个实施例中，比对模块220可以包括：比对单元和确定单元。其中，

比对单元用于将多条序列中的任一条序列作为候选序列，并将候选序列与多条序列中的其他序列两两比对，得到多个比对结果。确定单元用于将比对结果最好的候选序列确定为核心序列。

具体的，在该实施例中，确定单元具体用于，取下式的值最大的一个候选序列作为核心序列，

∑sim(s_i，s_c)，

其中，i取1到k且不取c，k为多条序列的数量，Sc为候选序列。

可选地，在另一个实施例中，比对模块具体用于，分别对多条序列中的每条序列和核心序列设置序列起始和终止位置，以选择每个序列中的部分序列，并将核心序列的部分序列与多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

另外，本发明还提供一种多条序列比对算法的优化装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序，实现如上述实施例中任一项的多条序列比对算法的优化方法。

需要说明的是，本实施例是与上述各方法实施例对应的产品实施例，对于本实施例中各结构的具体功能及可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。

在本发明的其他实施例中，还提供一种存储介质，该存储介质中存储有指令，当计算机读取该指令时，使计算机执行如上述实施例中任一项的多条序列比对算法的优化方法。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多条序列比对算法的优化方法，其特征在于，包括：

步骤1、从多条序列中选择核心序列；

步骤2、将所述核心序列与所述多条序列中的其他序列两两比对，得到序列共有的片段数量；

步骤3、根据两两序列共有的片段数量构建第一引导树；

步骤4、对所述第一引导树采用渐进算法得到多条序列比对的第一结果；

步骤5、根据所述第一结果计算两两序列的距离，得到距离矩阵；

步骤6、根据所述距离矩阵构建第二引导树，比较所述第一引导树和所述第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，重复执行步骤5和步骤6，直至执行步骤5和步骤6的次数超过阈值。

2.根据权利要求1所述的多条序列比对算法的优化方法，其特征在于，步骤1具体包括：

步骤1.1、将所述多条序列中的任一条序列作为候选序列，并将所述候选序列与所述多条序列中的其他序列两两比对，得到多个比对结果；

步骤1.2、将比对结果最好的候选序列确定为核心序列。

3.根据权利要求2所述的多条序列比对算法的优化方法，其特征在于，步骤1.2具体包括：取下式的值最大的一个候选序列作为所述核心序列，

∑sim(s_i，s_c)，

其中，i取1到k且不取c，k为所述多条序列的数量，Sc为所述候选序列。

4.根据权利要求1-3中任一项所述的多条序列比对算法的优化方法，其特征在于，步骤2具体包括：

步骤2.1、分别对所述多条序列中的每条序列和所述核心序列设置序列起始和终止位置，以选择每个序列中的部分序列；

步骤2.2、将所述核心序列的部分序列与所述多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

5.一种多条序列比对算法的优化系统，其特征在于，包括：

选择模块，用于从多条序列中选择核心序列；

比对模块，用于将所述选择模块选择的所述核心序列与所述多条序列中的其他序列两两比对，得到序列共有的片段数量；

构建模块，用于根据所述比对模块得到的两两序列共有的片段数量构建第一引导树；

计算模块，用于对所述构建模块构建的第一引导树采用渐进算法得到多条序列比对的第一结果，并根据所述第一结果计算两两序列的距离，得到距离矩阵；

所述构建模块，还用于根据所述计算模块得到的所述距离矩阵构建第二引导树；

比较模块，用于比较所述构建模块构建的第一引导树和第二引导树，将发生变动部分对应的序列重新比对，得到第二结果，并重复调用所述计算模块和所述构建模块，直至比对次数超过阈值。

6.根据权利要求5所述的多条序列比对算法的优化系统，其特征在于，所述比对模块包括：比对单元和确定单元，其中，

所述比对单元，用于将所述多条序列中的任一条序列作为候选序列，并将所述候选序列与所述多条序列中的其他序列两两比对，得到多个比对结果；

所述确定单元，用于将比对结果最好的候选序列确定为核心序列。

7.根据权利要求6所述的多条序列比对算法的优化系统，其特征在于，所述确定单元具体用于，取下式的值最大的一个候选序列作为所述核心序列，

∑sim(s_i，s_c)，

其中，i取1到k且不取c，k为所述多条序列的数量，Sc为所述候选序列。

8.根据权利要求5-7中任一项所述的多条序列比对算法的优化系统，其特征在于，所述比对模块具体用于，分别对所述多条序列中的每条序列和所述核心序列设置序列起始和终止位置，以选择每个序列中的部分序列，并将所述核心序列的部分序列与所述多条序列中的其他序列的部分序列进行两两比对，得到序列共有的片段数量。

9.一种多条序列比对算法的优化装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如权利要求1至4中任一项所述的多条序列比对算法的优化方法。

10.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至4中任一项所述的多条序列比对算法的优化方法。