[发明专利]一种测序序列纠错方法、系统及设备

权利要求书

1.一种测序序列纠错方法，其特征在于，所述方法包括下述步骤：

接收测序序列，将接收到的各测序序列逐个碱基切割成预设长度的短串；

将切割得到的且出现次数超过预设高频阀值的短串添加到高频短串表；

遍历接收到的各测序序列，结合所述高频短串表在各测序序列上查找连续为高频短串最多的区域；

从相应测序序列的第s1个碱基开始取n-1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为s1的左侧树；

遍历所述左侧树，找到一条全是高频短串的路径，根据所述路径从叶子节点向上构造全是高频短串的左序列；

从相应测序序列的第s2个碱基开始取n-1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为l_n-(s2-1)的右侧树；

遍历所述右侧树，找到一条全是高频短串的路径，根据所述路径从根节点向下构造全是高频短串的右序列；

其中，s1、s2分别为查找到的所述连续为高频短串最多的区域的起始碱基、结束碱基距离相应测序序列首个碱基的数目，n为所述高频短串的碱基长度，l_n为相应测序序列的碱基长度；

根据构造的所述左序列和/或右序列，以及查找到的所述连续为高频短串最多的区域还原相应测序序列，所述还原相应测序序列具体为：将得到的左序列添加到相应最长的高频序列左边，和/或者将得到的右序列添加到相应最长的高频序列右边。

2.如权利要求1所述的方法，其特征在于，所述预设的高频阀值根据切割成的预设长度的短串的频率分布确定，所述预设长度为17个碱基长度。

3.如权利要求1所述的方法，其特征在于，所述接收到的测序序列的长度小于等于200碱基长度。

4.一种测序序列纠错系统，其特征在于，所述系统包括：

短串切割模块，用于接收测序序列，将接收到的各测序序列逐个碱基切割成预设长度的短串；

高频短串采集模块，用于将切割得到的且出现次数超过预设高频阀值的短串添加到高频短串表；

高频区域查找单元，用于遍历接收到的各测序序列，结合所述高频短串表在各测序序列上查找连续为高频短串最多的区域；

左侧树构造模块，用于从相应测序序列的第s1个碱基开始取n-1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为s1的树；

左序列构造模块，用于遍历所述左侧树，找到一条全是高频短串的路径，根据所述路径从叶子节点向上构造全是高频短串的左序列；

右侧树构造模块，用于从相应测序序列的第s2个碱基开始取n-1长度的序列作为树的根节点，以A、C、G、T四种碱基为各节点的叶子构造一棵深度为l_n-(s2-1)的右侧树；以及

右序列构造模块，用于遍历所述右侧树，找到一条全是高频短串的路径，根据所述路径从根节点向下构造全是高频短串的右序列；

其中，s1、s2分别为查找到的所述连续为高频短串最多的区域的起始碱基、结束碱基距离相应测序序列首个碱基的数目，n为所述高频短串的碱基长度，l_n为相应测序序列的碱基长度；以及

序列还原单元，用于根据构造的所述左序列和/或右序列，以及查找到的所述连续为高频短串最多的区域还原相应测序序列，所述还原相应测序序列具体为：将得到的左序列添加到相应最长的高频序列左边，和/或者将得到的右序列添加到相应最长的高频序列右边。

5.如权利要求4所述的系统，其特征在于，所述预设高频阀值根据所述短串切割模块切割成的预设长度的短串的频率分布确定，所述预设长度为17个碱基长度。

6.一种包含权利要求4或5任一项所述测序序列纠错系统的基因组装设备。