[发明专利]短序列组装中序列片段的过滤方法及系统

权利要求书

1.一种短序列组装中序列片段的过滤方法，其特征在于，所述方法包括以下步骤：

接收测序序列；

分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串；

将得到的所述短串的序列值及所述短串的频率存储为一个节点；

计算所述短串频率阈值；

将频率小于阈值的短串过滤。

2.根据权利要求1所述的过滤方法，其特征在于，所述节点采用hash map存储，其中，哈希键为所述序列值，值为所述节点。

3.根据权利要求1所述的过滤方法，其特征在于，所述将得到的所述短串的序列值及所述短串的频率存储为一个节点的步骤具体为：

根据当前节点的短串的序列值在已存储的节点中查询是否已存有当前节点；

如果没有查询到当前节点，则添加所述当前节点；

如果查询到当前节点，则更新所述当前节点的频率。

4.根据权利要求1所述的过滤方法，其特征在于，所述节点中存储短串和互补短串中序列值较大者或较小者。

5.根据权利要求1所述的过滤方法，其特征在于，所述阈值为T=θ×Cov_R，θ为分类模型参数，Cov_R为测序仪器设定的序列克隆倍数实际值。

6.根据权利要求5所述的过滤方法，其特征在于，所述计算所述短串频率阈值的步骤包括以下步骤：以短串出现的频率为横坐标，以出现所述频率的短串的个数为纵坐标，绘制频率统计图。

7.根据权利要求6所述的过滤方法，其特征在于，所述Cov_R的值为所述频率统计图上第一个波峰所在位置对应的覆盖度。

8.根据权利要求5所述的过滤方法，其特征在于，所述Cov_R的计算方法步骤为：

a、对所有的短串按照出现频率的个数排序，并把短串的个数按出现频率的大小升序存入一个数组a中；

b、删除数组a中前面递减的短串个数；

c、用数组a的前j个数据求和来初始化Sum0；

d、每次从数组a中取出第i个短串个数，加到Sum_x里面，同时Sum_x减去第i-j个频率短串的个数，其中i大于j且i从j开始；

e、如果Sum_x-1<Sum_x，回到步骤c，直到Sum_x-1>Sum_x，进入下一步骤；

f、用j除以Sum_x，即得到Cov_R。

9.一种短序列组装中序列片段的过滤系统，其特征在于，所述系统包括：

接收单元，用于接收测序序列；

序列切割单元，用于分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串；

存储统计单元，将得到的所述短串的序列值及所述短串的频率存储为一个节点；

统计计算单元，用于计算所述短串频率阈值；

过滤单元，用于将频率小于阈值的短串过滤。

10.根据权利要求9所述的系统，其特征在于，所述存储统计单元包括：

查询模块，用于根据得到的短串的序列值在已存储的节点中查询是否已存有当前节点；

节点添加模块，用于在所述查询模块没有查询到当前节点时，添加当前节点；

频率更新模块，用于在所述查询模块查询到当前节点时，更新所述当前节点的频率。