申请/专利权人：东北林业大学

申请日：2021-08-11

公开（公告）日：2024-06-28

公开（公告）号：CN113903411B

主分类号：G16C20/90

分类号：G16C20/90;G16B20/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明涉及一种基于后缀数组与单调栈的基因组组装预处理方法，其中基于后缀数组与单调栈的基因组组装预处理方法包括：首先在NCBI官方网站获取需要进行基因组组装的数据集，对数据集进行处理。将数据拼接后利用gSACA‑K算法计算后缀数组等辅助信息。根据数据特点选择相应的模式构建单调栈，遍历后缀数组对单调栈进行维护，判断后缀类型进行相应的操作，并在维护过程中获取所需信息来完成基因组组装的预处理，最后根据获取到的信息来建立边权图，边权图的建立即代表基因组组装预处理的完成。

主权项：1.一种基于后缀数组与单调栈的基因组组装预处理方法，其特征在于，包括如下步骤：步骤1：对获取到的基因测序数据进行处理，按照数据格式将数据分组并读取有效信息；步骤2：将读取到的信息进行处理，构建相应的辅助信息，包括后缀数组与单调栈等高级数据结构；步骤3：通过遍历所获得的后缀数组并维护单调栈来获取所需信息，将信息整理后输出；步骤1具体包括如下步骤：步骤1.1：在NCBI的官方网站获取需要进行基因组组装的基因测序数据；步骤1.2：对输入的基因测序数据集中的数据进行处理，每四行数据为一组，一次读入一组数据；将其第二行保留，其余数据视为无用数据进行舍弃；步骤1.2.1：使用C语言编写程序读入基因测序数据文件；步骤1.2.2：使用getline函数将文件内容当做字符串进行读取，每次读取一行，只保留每四行中的第二行进行后续处理；步骤2具体包括如下步骤：步骤2.1：将所有数据拼接为一个超长的字符串，数据之间使用编码为1的字符进行拼接，字符串结尾加上一个编码为0的字符；步骤2.2：使用gSACA-k算法对所拼接的字符串构建后缀数组；步骤2.2.1：将拼接后的字符串作为gSACA-k算法的输入，建立后缀数组，最长公共前缀数组，文档数组等三个数组的辅助信息；步骤2.2.2：将建立好的辅助信息进行存储，以备后续使用；步骤2.3：根据基因测序数据的类型选择适合的单调栈结构，建立单调栈；步骤2.3.1：判断基因测序数据的类型，判断数据是否含有错误数据。判断方法为在官方网站查看有关基因测序数据的类型；步骤2.3.2：根据数据中是否含有错误在两种不同的单调栈结构中选择一种进行建立。其中正确的数据对应一种单调栈结构，使用滚动数组来进行信息的收集，另外含有错误的数据对应另一种单调栈结构，使用小顶堆来进行信息收集；步骤3具体包括如下步骤：步骤3.1：遍历后缀数组，对当前后缀进行判断，如果当前后缀是普通后缀，则正常维护单调栈，如果当前后缀是完整字符串，则在维护单调栈的基础上还要进行信息获取；步骤3.2：根据3.1中的所获信息，建立一个以测序数据为点，重叠关系为边的边权图。边权图的建立意味着基因组组装预处理完成。

全文数据：

权利要求：

百度查询： 东北林业大学 一种基于后缀数组与单调栈的基因组组装预处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD