[发明专利]基于FMD索引和快表的跨越式种子查找算法

摘要

本发明公开了一种基于FMD索引和快表的跨越式种子查找算法，包括下述步骤：S0、构建数据库的FMD索引以及快表；S1、从快表中取出查询序列中长度为k的子序列的双区间；S2、这个步骤通过向后搜索算法，逐步找出k种子左边的匹配区域；S3、对步骤S2中缩小前的区间执行向前搜索算法，以找出k种子右边的匹配区域；S4、检查当前检测位置是否位于查询序列的尾部，如果是，则算法终止，否则，执行步骤S5；S5、将当前检测位置向前跳跃w‑k+1个位置，重复执行步骤S2‑S5，其中w是要查找的种子的长度。本发明提出的快表具有占用空间少、访问效率高的特点；在快表和FMD索引的基础上，本发明提出的种子查找算法能够快速地找出所有w种子的双区间。

主权项

1.基于FMD索引和快表的跨越式种子查找方法，包括下述步骤：S0、构建数据库FMD索引的快表，这个快表是一个Hash表，每一个表项对应一个长度为k的子序列，保存的是在FMD索引中搜索这个子序列所得到的双区间；FMD索引具体为：核酸序列的一个长度为k的子序列称为k子序列，查询序列与数据库序列之间的一段长度为w的完全匹配区段称为w种子，在数据库的FMD索引中搜索序列P，其搜索结果以双区间的形式表示，而双区间则由三个整数表示，给定核酸序列P的双区间和字符a，a为A、C、G、T中的其中一个，由向后搜索算法，可以得到aP的双区间；由向前搜索算法，可以得到Pa的双区间，双区间中元素的个数称为该区间的大小，它表示P在数据库中出现的次数，如果P的双区间为空区间，则表示P没有在数据库中出现；S1、计算查询序列中k子序列的Hash值，并从快表中取出其相应的长度为k的种子的双区间；S2、这个步骤通过向后搜索算法，逐步扩大k种子左边的匹配区域；S3、对步骤S2中缩小前的区间执行向前搜索算法，以找出k种子右边的匹配区域；S4、检查当前检测位置是否位于查询序列的尾部，如果是，则算法终止，否则，执行步骤S5；S5、将当前检测位置向前跳跃w‑k+1个位置，重复执行步骤S2‑S5，其中w是要查找的种子的长度。