CN111402958B - 一种建立基因比对表的方法、系统、设备及介质 - Google Patents
一种建立基因比对表的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN111402958B CN111402958B CN202010174947.XA CN202010174947A CN111402958B CN 111402958 B CN111402958 B CN 111402958B CN 202010174947 A CN202010174947 A CN 202010174947A CN 111402958 B CN111402958 B CN 111402958B
- Authority
- CN
- China
- Prior art keywords
- seed
- hash value
- seeds
- current
- cache region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000872 buffer Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012297 crystallization seed Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种建立基因比对表的方法、系统、设备和存储介质，方法包括以下步骤：从参考基因组序列中读取连续第一长度的子序列作为种子，并确定种子对应的最长读取长度；将多个种子依次存放到缓存区，将第一个种子作为待选种子，并判断缓存区中种子的数量是否达到阈值；响应于缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于第一长度和阈值的和；响应于当前种子对应的最长读取长度大于第一长度和阈值的和，判断当前种子的哈希值是否小于待选种子的哈希值；以及响应于当前种子的哈希值小于待选种子的哈希值，将当前种子写入基因比对表，并将当前种子更新为待选种子。
Description
技术领域
本发明涉及基因比对领域，更具体地，特别是指一种建立基因比对表的方法、系统、计算机设备及可读介质。
背景技术
大多数全基因比对使用的典型种子链对齐程序基因测序，为了快速准确的将DNA子序列映射到参考基因组上，大体流程都是收集参考基因组reference，并按照K-mer或其他算法将参考基因组分片成多个种子，将种子编入哈希表中。然后将每一个待比对的序列进行分割，通过查表检索其在表上对应的位置。
现在主流基因比对经常使用全文索引等，比如后缀数组或FM索引。这种方法的优点是我们可以使用任意长度的种子，有助于增加种子的独特性减少不成功的扩展。但是在实际实践中，这种方式仅限于通用的CPU和GPU环境。而采用固定长度的种子，可以计算更多处理数据更快。哈希表是理想的数据结构，尤其是用于映射长噪声序列，同时哈希表能够很好的适应FPGA异构加速平台，进行硬件加速。
如果所有reference的种子信息都添加到哈希表中，那么哈希表项的规模非常大，占用的空间也会非常多。尤其是如果按照不同seed长度创建多个扩展表，那么内存的压力将会成倍数增加。而且，后续查表的计算速度都会非常慢。如果只是简单的按照一定间隔读取reference的seed，那么又会存在很多遗漏项，造成表项信息缺失，影响最后的准确性。
发明内容
有鉴于此，本发明实施例的目的在于提出一种建立基因比对表的方法、系统、计算机设备及计算机可读存储介质，通过设置多级判断提高了种子筛选的精度，并大大减少了基因比对表，减少后续大量无效的比对计算，提升了运行效率。
基于上述目的，本发明实施例的一方面提供了一种建立基因比对表的方法，包括如下步骤：从参考基因组序列中读取连续第一长度的子序列作为种子，并确定所述种子对应的最长读取长度；将多个所述种子依次存放到缓存区，将第一个种子作为待选种子，并判断所述缓存区中种子的数量是否达到阈值；响应于所述缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于所述第一长度和所述阈值的和；响应于所述当前种子对应的最长读取长度大于所述第一长度和所述阈值的和，判断所述当前种子的哈希值是否小于待选种子的哈希值；以及响应于所述当前种子的哈希值小于待选种子的哈希值，将所述当前种子写入基因比对表，并将所述当前种子更新为待选种子。
在一些实施方式中，还包括：响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
在一些实施方式中，还包括：响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
在一些实施方式中，还包括：响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
本发明实施例的另一方面，还提供了一种建立基因比对表的系统，包括：读取模块，配置用于从参考基因组序列中读取连续第一长度的子序列作为种子，并确定所述种子对应的最长读取长度；第一判断模块，配置用于将多个所述种子依次存放到缓存区，将第一个种子作为待选种子，并判断所述缓存区中种子的数量是否达到阈值；第二判断模块，配置用于响应于所述缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于所述第一长度和所述阈值的和；第三判断模块，配置用于响应于所述当前种子对应的最长读取长度大于所述第一长度和所述阈值的和，判断所述当前种子的哈希值是否小于待选种子的哈希值；以及执行模块，配置用于响应于所述当前种子的哈希值小于待选种子的哈希值，将所述当前种子写入基因比对表，并将所述当前种子更新为待选种子。
在一些实施方式中，还包括：第四判断模块，配置用于响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
在一些实施方式中，还包括：第五判断模块，配置用于响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
在一些实施方式中，还包括：第二执行模块，配置用于响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果：通过设置多级判断提高了种子筛选的精度，并大大减少了基因比对表，减少后续大量无效的比对计算，提升了运行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对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，下面描述中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实施例。
图1为本发明提供的建立基因比对表的方法的实施例的示意图；
图2为本发明提供的建立基因比对表的计算机设备的实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
基于上述目的，本发明实施例的第一个方面，提出了一种建立基因比对表的方法的实施例。图1示出的是本发明提供的建立基因比对表的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：
S1、从参考基因组序列中读取连续第一长度的子序列作为种子，并确定种子对应的最长读取长度；
S2、将多个种子依次存放到缓存区，将第一个种子作为待选种子，并判断缓存区中种子的数量是否达到阈值；
S3、响应于缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于第一长度和阈值的和；
S4、响应于当前种子对应的最长读取长度大于第一长度和阈值的和，判断当前种子的哈希值是否小于待选种子的哈希值；以及
S5、响应于当前种子的哈希值小于待选种子的哈希值，将当前种子写入基因比对表，并将当前种子更新为待选种子。
本发明实施例将读取到的种子缓存在一个有限长度的缓存区buffer中，不断比较种子的哈希值和对应参考基因组序列位置，筛选出那些哈希值相同但参考基因组序列不同的种子写入哈希表。经过这样操作在可以跳过那些低命中率的种子，仅保留匹配命中率较高的种子，从而达到建立较小的哈希表hash table，实现快速查找比对，同时保障准确性和运行效率。
从参考基因组序列中读取连续第一长度的子序列作为种子，并确定种子对应的最长读取长度。将参考基因组reference序列转换成二进制，例如，将“ACGTNacgtn”转换成“0123456789”；从转换后的参考基因组序列中读取连续第一长度的子序列作为种子，并确定种子对应的最长读取长度。将连续读取长度达到长度K、且全部是非“N”或“n”的reference子序列，作为一个seed。如果中间遇到“N”或“n”，则读取长度Lenth清0，从下一个非“N”位置重新累计读取长度，直到找到满足条件的seed。反之如果没有遇到“N”或“n”，则读取长度不断累加。例如，第一长度为10，第一个种子为0～9，第二个种子为1～10，第三个种子为2～11，如果序号12为N，则种子对应的最长读取长度为12。
每读取到一个种子，就计算其正链kmer[0]和反链的kmer[1]，选择值较小的那个作为kmer值，同时标记出选取的是正链还是反链；将计算的kmer值、属于正链还是反链、读取长度，做hash处理，得到包含seed信息的哈希值，同时将参考基因组标识referenceId及该reference位置信息作为reference信息一起保存成seed。
将多个种子依次存放到缓存区，将第一个种子作为待选种子，并判断缓存区中种子的数量是否达到阈值。设定一个位置数量为t的缓存区buffer，用于存放种子。如果是首个seed，则把该seed作为待选seed，记录该seed的哈希值信息及seed在buffer中的id。
响应于缓存区中种子的数量未达到阈值，判断当前种子对应的最长读取长度是否大于第一长度和阈值的和。响应于当前种子对应的最长读取长度大于第一长度和阈值的和，判断当前种子的哈希值是否小于待选种子的哈希值。响应于当前种子的哈希值小于待选种子的哈希值，将当前种子写入基因比对表，并将当前种子更新为待选种子。如果没有超过buffer存放范围，seeds依次缓存到buffer1～t对应的位置。如果当前seed的哈希值小于之前的待选seed，并且读取长度超过seed长度K和buffer存放数量t之和，则把待选seed存入hash seed table，然后把当前seed更新为待选seed，当前seed在buffer的id为待选seed的id。
在一些实施方式中，还包括：响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。在一些实施方式中，还包括：响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。如果读取长度正好为seed长度K加buffer存放长度t，将buffer中所有seeds依次与待选seed进行比对，如果两个seed的hashseedvalue相同，但对应reference的信息(id或位置)不同，那么把buffer中这样的seeds存入Hash seed table。
在一些实施方式中，还包括：响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。在buffer存满的情况下，读取长度超过了第一长度和阈值的和，将待选seed存入hash table，然后循环buffer内的seeds，找到buffer内HashseedValue最小的那个seed作为新的待选seed。同时循环buffer里面那些与待选hashseed值一样，但是reference位置不同的seed，存入Hash表。
需要特别指出的是，上述建立基因比对表的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于建立基因比对表的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
基于上述目的，本发明实施例的第二个方面，提出了一种建立基因比对表的系统，包括：读取模块，配置用于从参考基因组序列中读取连续第一长度的子序列作为种子，并确定所述种子对应的最长读取长度；第一判断模块，配置用于将多个所述种子依次存放到缓存区，将第一个种子作为待选种子，并判断所述缓存区中种子的数量是否达到阈值；第二判断模块，配置用于响应于所述缓存区中种子的数量未达到阈值，判断当前种子对应的最长读取长度是否大于所述第一长度和所述阈值的和；第三判断模块，配置用于响应于所述当前种子对应的最长读取长度大于所述第一长度和所述阈值的和，判断所述当前种子的哈希值是否小于待选种子的哈希值；以及执行模块，配置用于响应于所述当前种子的哈希值小于待选种子的哈希值，将所述当前种子写入基因比对表，并将所述当前种子更新为待选种子。
在一些实施方式中，还包括：第四判断模块，配置用于响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
在一些实施方式中，还包括：第五判断模块，配置用于响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
在一些实施方式中，还包括：第二执行模块，配置用于响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、从参考基因组序列中读取连续第一长度的子序列作为种子，并确定种子对应的最长读取长度；S2、将多个种子依次存放到缓存区，将第一个种子作为待选种子，并判断缓存区中种子的数量是否达到阈值；S3、响应于缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于第一长度和阈值的和；S4、响应于当前种子对应的最长读取长度大于第一长度和阈值的和，判断当前种子的哈希值是否小于待选种子的哈希值；以及S5、响应于当前种子的哈希值小于待选种子的哈希值，将当前种子写入基因比对表，并将当前种子更新为待选种子。
在一些实施方式中，还包括：响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
在一些实施方式中，还包括：响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
在一些实施方式中，还包括：响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
如图2所示，为本发明提供的上述建立基因比对表的计算机设备的一个实施例的硬件结构示意图。
以如图2所示的装置为例，在该装置中包括一个处理器301以及一个存储器302，并还可以包括：输入装置303和输出装置304。
处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图2中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的建立基因比对表的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的建立基因比对表的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据建立基因比对表的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可接收输入的用户名和密码等信息。输出装置304可包括显示屏等显示设备。
一个或者多个建立基因比对表的方法对应的程序指令/模块存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的建立基因比对表的方法。
执行上述建立基因比对表的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，建立基因比对表的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外，应该明白的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (8)
1.一种建立基因比对表的方法，其特征在于，包括以下步骤：
从参考基因组序列中读取连续第一长度的子序列作为种子，并确定所述种子对应的最长读取长度；
将多个所述种子依次存放到缓存区，将第一个种子作为待选种子，并判断所述缓存区中种子的数量是否达到阈值；
响应于所述缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于所述第一长度和所述阈值的和；
响应于所述当前种子对应的最长读取长度大于所述第一长度和所述阈值的和，判断所述当前种子的哈希值是否小于待选种子的哈希值；以及
响应于所述当前种子的哈希值小于待选种子的哈希值，将所述当前种子写入基因比对表，并将所述当前种子更新为待选种子，
所述方法还包括：响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
2.根据权利要求1所述的方法，其特征在于，还包括：
响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
3.根据权利要求2所述的方法，其特征在于，还包括：
响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
4.一种建立基因比对表的系统，其特征在于，包括：
读取模块，配置用于从参考基因组序列中读取连续第一长度的子序列作为种子，并确定所述种子对应的最长读取长度；
第一判断模块，配置用于将多个所述种子依次存放到缓存区，将第一个种子作为待选种子，并判断所述缓存区中种子的数量是否达到阈值；
第二判断模块，配置用于响应于所述缓存区中种子的数量未达到阈值，判断向缓存区存放的当前种子对应的最长读取长度是否大于所述第一长度和所述阈值的和；
第三判断模块，配置用于响应于所述当前种子对应的最长读取长度大于所述第一长度和所述阈值的和，判断所述当前种子的哈希值是否小于待选种子的哈希值；以及
执行模块，配置用于响应于所述当前种子的哈希值小于待选种子的哈希值，将所述当前种子写入基因比对表，并将所述当前种子更新为待选种子，
系统还包括：第二执行模块，配置用于响应于所述缓存区中种子的数量达到阈值，把所述待选种子写入所述基因比对表，并在所述缓存区中确定哈希值最小的种子作为待选种子。
5.根据权利要求4所述的系统，其特征在于，还包括：
第四判断模块，配置用于响应于所述当前种子对应的最长读取长度等于所述第一长度和所述阈值的和，判断所述当前种子的哈希值与所述待选种子的哈希值是否相同。
6.根据权利要求5所述的系统，其特征在于，还包括：
第五判断模块，配置用于响应于所述当前种子的哈希值与所述待选种子的哈希值相同，判断所述当前种子和所述待选种子在所述参考基因组的标识是否相同。
7.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-3任意一项所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-3任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174947.XA CN111402958B (zh) | 2020-03-13 | 2020-03-13 | 一种建立基因比对表的方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174947.XA CN111402958B (zh) | 2020-03-13 | 2020-03-13 | 一种建立基因比对表的方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111402958A CN111402958A (zh) | 2020-07-10 |
| CN111402958B true CN111402958B (zh) | 2022-05-17 |
Family
ID=71413334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010174947.XA Active CN111402958B (zh) | 2020-03-13 | 2020-03-13 | 一种建立基因比对表的方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111402958B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131218B (zh) * | 2020-09-04 | 2022-05-10 | 苏州浪潮智能科技有限公司 | 一种基因对比的哈希查表方法、装置、设备及存储介质 |
| CN116665772B (zh) * | 2023-05-30 | 2024-02-13 | 之江实验室 | 一种基于内存计算的基因组图分析方法、装置和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140280344A1 (en) * | 2013-03-15 | 2014-09-18 | Pico Computing, Inc. | Inexact Search Acceleration |
| CN109326325A (zh) * | 2018-07-25 | 2019-02-12 | 郑州云海信息技术有限公司 | 一种基因序列比对的方法、系统及相关组件 |
| CN110620793A (zh) * | 2019-10-31 | 2019-12-27 | 苏州浪潮智能科技有限公司 | 一种提高音频质量的方法、设备及介质 |
| CN110764715A (zh) * | 2019-11-09 | 2020-02-07 | 苏州浪潮智能科技有限公司 | 一种带宽控制方法、设备以及存储介质 |
-
2020
- 2020-03-13 CN CN202010174947.XA patent/CN111402958B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140280344A1 (en) * | 2013-03-15 | 2014-09-18 | Pico Computing, Inc. | Inexact Search Acceleration |
| CN109326325A (zh) * | 2018-07-25 | 2019-02-12 | 郑州云海信息技术有限公司 | 一种基因序列比对的方法、系统及相关组件 |
| CN110620793A (zh) * | 2019-10-31 | 2019-12-27 | 苏州浪潮智能科技有限公司 | 一种提高音频质量的方法、设备及介质 |
| CN110764715A (zh) * | 2019-11-09 | 2020-02-07 | 苏州浪潮智能科技有限公司 | 一种带宽控制方法、设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111402958A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108255958B (zh) | 数据查询方法、装置和存储介质 | |
| US9235651B2 (en) | Data retrieval apparatus, data storage method and data retrieval method | |
| CN110489405B (zh) | 数据处理的方法、装置和服务器 | |
| WO2021072874A1 (zh) | 基于双数组的位置查询方法、装置、计算机设备及存储介质 | |
| CN111402958B (zh) | 一种建立基因比对表的方法、系统、设备及介质 | |
| CN111859033B (zh) | Ip库查询方法、装置及ip库压缩方法、装置 | |
| EP3072076B1 (en) | A method of generating a reference index data structure and method for finding a position of a data pattern in a reference data structure | |
| CN111552693B (zh) | 一种标签布谷鸟过滤器 | |
| CN111177043B (zh) | 加快读取现场可更换单元信息的方法、系统、设备及介质 | |
| CN111312333B (zh) | 一种bwt查表性能改进方法、装置、设备和介质 | |
| CN109460406B (zh) | 一种数据处理方法及装置 | |
| CN111708486A (zh) | 一种主放置组均衡优化的方法、系统、设备及介质 | |
| JP5873925B2 (ja) | 圧縮一致列挙 | |
| CN114527938A (zh) | 一种基于固态硬盘的数据读取方法、系统、介质及设备 | |
| CN107784073B (zh) | 一种本地缓存的数据查询方法、存储介质和服务器 | |
| WO2017000859A1 (zh) | 字符序列相似子串的跨越式查找算法及其在生物序列数据库上的查找应用 | |
| CN113326005A (zh) | 一种raid存储系统的读写方法和装置 | |
| US8868584B2 (en) | Compression pattern matching | |
| CN111858606A (zh) | 数据处理方法、装置和电子设备 | |
| CN108804625B (zh) | 一种lsm树的优化方法、装置及计算机设备 | |
| WO2019062067A1 (zh) | 用户界面单元测试方法、装置、可读存储介质及设备 | |
| CN112579839B (zh) | 大规模特征的多模匹配方法、装置及存储介质 | |
| CN113411364B (zh) | 资源获取方法、装置及服务器 | |
| CN114816219A (zh) | 数据写入和读取方法、装置及数据读写系统 | |
| CN111309641B (zh) | 一种存储系统中预读的方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |