[发明专利]一种高通量DNA测序质量分数无损压缩系统及压缩方法

权利要求书

1.一种高通量DNA测序质量分数无损压缩方法，其特征在于，所述方法包括以下步骤： 

A、预先基于文化基因算法构造质量分数压缩码本； 

B、接收输入的原始高通量DNA测序质量分数数据，针对数据中每个原始质量分数序列在质量分数压缩码本中搜索与其最相似的编码矢量； 

C、利用所搜索到的编码矢量对相应的原始质量分数序列进行压缩。 

2.根据权利要求1所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述原始高通量DNA测序质量分数数据为ASCII码编码的FASTQ格式。 

3.根据权利要求2所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述步骤A具体为： 

A1、设定质量分数压缩码本的大小M以及编码矢量长度N，统计待输入的原始高通量DNA测序质量分数数据中的符号种类形成符号集合，并据此设置搜索范围； 

A2、在搜索范围内随机构造M个候选解长度为N的寻优个体，形成进化种群，设定文化基因算法迭代次数为K，初始化迭代计数器k＝1； 

A3、在每次迭代时，计算进化种群中每个寻优个体的适应度函数值； 

A4、在计算所有寻优个体的适应度函数值后，使用适应度共享技术计算各寻优个体的共享适应度函数值； 

A5、基于各寻优个体的共享适应度函数值，使用文化基因算法优化进化种群。 

A6、更新迭代计数器k＝k+1。若k<K，则返回步骤A3，否则执行步骤A7； 

A7、将最终获得的进化种群中各寻优个体映射为各编码矢量，从而构成质量分数压缩码本。 

4.根据权利要求3所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述步骤A3具体为： 

A31、按照预定映射关系将寻优个体转换为编码矢量 

A32、将编码矢量与原始高通量DNA测序质量分数数据中每个原始质量分数序列进行匹配，计算匹配编码后的数据体积； 

A33、将该数据体积作为当前寻优个体的适应度函数值。 

5.根据权利要求4所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述最相似的编码矢量指编辑距离最小的编码矢量。 

6.根据权利要求5所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述步骤C具体为： 

通过动态规划对原始质量分数序列和其最相似的编码矢量进行差异匹配，实现压缩编码形成压缩数据。 

7.根据权利要求6所述的高通量DNA测序质量分数无损压缩方法，其特征在于，所述方法还包括： 

D、利用所有原始质量分数序列的压缩数据构成数据集合，并将其与质量分数压缩码本作为系统输出结果。 

8.根据权利要求7所述的高通量DNA测序质量分数无损压缩方法，其特征在于，解压缩时，将所述数据集合中的每个压缩数据根据所述质量分数压缩码本中的编码矢量恢复成原始质量分数序列，从而得到原始高通量DNA测序质量分数数据。 

9.一种高通量DNA测序质量分数无损压缩系统，其特征在于，所述系统包括： 

压缩码本设计模块，用于基于文化基因算法构造质量分数压缩码本； 

质量分数压缩模块，用于接收输入的原始高通量DNA测序质量分数数据，针对数据中每个原始质量分数序列在质量分数压缩码本中搜索与其最相似的编码矢量；并利用所搜索到的编码矢量对相应的原始质量分数序列 进行压缩。

10.根据权利要求9所述的高通量DNA测序质量分数无损压缩系统，其特征在于，所述系统还包括： 

质量分数解压模块，用于将所述数据集合中的每个压缩数据根据所述质量分数压缩码本中的编码矢量恢复成原始质量分数序列，从而得到原始高通量DNA测序质量分数数据。