[发明专利]DNA序列的快速并且安全的检索方法、装置及存储介质

权利要求书

1.一种非暂态存储介质，其存储能够由电子数据处理设备(30)运行的指令，以执行包括以下的方法：

生成序列索引(20)，所述序列索引包括针对被存储在数据库(28)中的脱氧核糖核酸(DNA)或核糖核酸(RNA)序列的序列模型，所述生成包括计算作为有限内存树源模型的针对被存储在所述数据库中的每个DNA或RNA序列的所述序列模型和针对所述有限内存树源模型的参数，其中，所述序列模型是使用上下文树加权(CTW)来计算的；并且

基于将所述序列模型应用到查询DNA或RNA序列(40)并且基于确定每个序列模型如何好地拟合所述查询DNA或RNA序列，来将被存储在所述数据库中的一个或多个DNA或RNA序列识别为最相似于所述查询DNA或RNA序列。

2.如权利要求1所述的非暂态存储介质，其中，所述识别包括：

计算作为有限内存树源模型的针对所述查询DNA或RNA序列(40)的查询模型和针对所述有限内存树源模型的参数，其中，所述查询模型是使用上下文树加权(CTW)来计算的；并且

计算压缩度量的参考值，所述压缩度量的参考值测量使用所述查询模型能够实现的对所述查询DNA或RNA序列的压缩量；

其中，所述序列模型到所述查询DNA或RNA序列的所述应用包括：基于所述压缩度量的所述参考值与测量使用所述序列模型对所述查询DNA或RNA序列的压缩性的所述压缩度量的值之间的差异，来估计针对每个序列模型的信息增益。

3.如权利要求1-2中的任一项所述的非暂态存储介质，其中，所述识别使用所述序列模型，而不使用被存储在所述数据库(28)中的所述DNA或RNA序列。

4.如权利要求1所述的非暂态存储介质，其中，所述序列模型到所述查询DNA或RNA序列(40)的所述应用包括：

针对每个序列模型，使用所述序列模型来计算针对所述查询DNA或RNA序列的代码字长度。

5.如权利要求1所述的非暂态存储介质，其中，所述识别包括：

使用CTW来计算作为有限内存树源模型的针对所述查询DNA或RNA序列(40)的查询模型和针对所述有限内存树源模型的参数；并且

使用所述查询模型来计算针对所述查询DNA或RNA序列的参考代码字长度；

其中，所述序列模型到所述查询DNA或RNA序列的所述应用包括：基于所述参考代码字长度与使用所述序列模型针对所述查询DNA或RNA序列计算的所述代码字长度之间的差异，来估计针对每个序列模型的信息增益。

6.如权利要求1-2中的任一项所述的非暂态存储介质，其中：

被存储在所述数据库(28)中的所述DNA或RNA序列为DNA染色体序列，并且

所述查询DNA或RNA序列(40)为小于染色体的查询DNA序列片段。

7.一种方法，包括：

生成序列索引(20)，所述序列索引包括针对被存储在数据库(28)中的脱氧核糖核酸(DNA)或核糖核酸(RNA)序列的上下文树加权(CTW)模型其中，S_x指代针对所述DNA或RNA序列x的上下文树模型，并且指代所述上下文树模型S_x的参数；并且

基于将所述CTW模型应用到查询DNA或RNA序列y并且基于确定每个CTW模型如何好地拟合所述查询DNA或RNA序列y，来将被存储在所述数据库中的一个或多个DNA或RNA序列识别为最相似于所述查询DNA或RNA序列y；

其中，所述生成和所述识别由电子数据处理设备(30)来执行。

8.如权利要求7所述的方法，其中，所述识别使用所述CTW模型而不使用被存储在所述数据库(28)中的所述DNA或RNA序列x。