[发明专利]一种基因序列比对滤波加速处理方法、系统及装置

说明书

本发明公开了一种基因序列比对滤波加速处理方法、系统及装置，包括：在基因序列匹配的过程中，分别统计待比对序列所包含的seeds在各参考序列子片段的匹配命中次数；按照匹配命中次数的大小对各参考序列子片段进行排序；根据预设阈值设定规则设定滤波阈值，并舍弃匹配命中次数小于滤波阈值的参考序列子片段，以将seeds与未舍弃的参考序列子片段进行基因序列比对。可见，本申请将匹配命中次数较少的参考序列子片段舍弃，从而尽可能多地过滤掉无效匹配位置，进而提高了后续比对效率，减轻了基因序列比对工作的负担。

技术领域

本发明涉及计算机技术与生物基因技术的交叉学科领域，特别是涉及一种基因序列比对滤波加速处理方法、系统及装置。

背景技术

随着生物基因检测技术的发展，基因序列比对技术得到广泛应用。目前，为了预测个人罹患疾病的可能性，通常采用的手段是：提取个人的基因(待比对序列)，并将其与参考序列(人类基因组计划的产物，即一个统一的基准基因序列)进行基因序列比对，以锁定个人病变的基因，从而达到疾病的提前预防和治疗。

现有技术中，为了减少基因序列比对过程中所产生的重复比对操作，通常采用的手段为：在基因序列比对的过程中，对于初期找到的seeds(待比对序列分为多个基因片段，每个基因片段称为seed)，会有一个过滤重复匹配位置的操作。具体方法为：预先构建列表，然后对于任一seed而言，每从参考序列中得到一个与seed匹配的新位置时，均查询该匹配位置是否在列表中，若否，则将其记录在列表中，并依据该匹配位置对seed进行基因比对操作；若是，则说明其为重复的匹配位置，将该匹配位置直接过滤掉即可。

但是，现有的基因序列比对方式存在以下弊端：参考序列分为多个参考序列子片段，seed需与每个参考序列子片段进行匹配及匹配成功后的基因比对，导致耗时较长，比对效率较低；而且，seeds实际只对应一个参考序列子片段，所以即使过滤掉重复的匹配位置，还是会有很多无效的匹配位置，从而导致基因序列比对工作负担较重。

因此，如何提供一种解决上述技术问题的方案是本领域的技术人员目前需要解决的问题。

发明内容

本发明的目的是提供一种基因序列比对滤波加速处理方法、系统及装置，将匹配命中次数较少的参考序列子片段舍弃，从而尽可能多地过滤掉无效匹配位置，进而提高了后续比对效率，减轻了基因序列比对工作的负担。

为解决上述技术问题，本发明提供了一种基因序列比对滤波加速处理方法，包括：

在基因序列匹配的过程中，分别统计待比对序列所包含的seeds在各参考序列子片段的匹配命中次数；

按照所述匹配命中次数的大小对各所述参考序列子片段进行排序；

根据预设阈值设定规则设定滤波阈值，并舍弃匹配命中次数小于所述滤波阈值的参考序列子片段，以将所述seeds与未舍弃的参考序列子片段进行基因序列比对。

优选地，所述阈值设定规则的预设过程包括：

求取各所述参考序列子片段的匹配命中次数的平均值，并将所述平均值确定为滤波阈值。

优选地，在将所述平均值确定为滤波阈值之前，所述阈值设定规则的预设过程还包括：

求取各所述参考序列子片段的匹配命中次数的下降速率，当相邻排序的两个参考序列子片段的匹配命中次数的下降速率大于预设速率阈值时，获取两个所述参考序列子片段各自对应的匹配命中次数中的较大值；

相应的，所述将所述平均值确定为滤波阈值的过程，包括：

判断所述平均值是否大于所述较大值，若是，则将所述平均值确定为滤波阈值；若否，将所述较大值确定为滤波阈值。

优选地，在判断所述平均值是否大于所述较大值之前，所述阈值设定规则的预设过程还包括：