[发明专利]用于数据分析和压缩的方法和系统

摘要

本公开提供用于分析数据集(例如从核酸测序技术输出的大数据集)的计算机实现的方法和系统。具体地说，本公开提供包括以增量式字符接字符方式计算串集合的BWT的数据分析。本公开还提供产生与非重排的计算分析相比更可通过第二级压缩方法压缩的所重排的数据集合的BWT的压缩提升策略。

主权项

一种在源位置处压缩数据串的集合的计算机实现的方法，所述方法包括：a)在所述源位置处从数据集接收数据串的集合，其中，所述数据串包括多个字符，b)在包含第一字符集合的串上生成第一Burrows Wheeler变换BWT，其中，所述第一字符集合包括来自每个各个所述数据串之一的对应第一字符，c)将第二字符集合插入到来自所述第一字符集合的所述第一Burrows Wheeler变换后的字符中，以形成所融合的字符集合，其中，所述第二字符集合包括来自每个各个所述数据串之一的第二对应字符，d)从所融合的字符集合增量式地构建第二Burrows Wheeler变换，e)通过压缩并且索引所述第二Burrows Wheeler变换来生成Burrows Wheeler变换索引，f)至少部分地基于所述Burrows Wheeler变换索引而预测下一字符集合，其中，所述下一字符集合包括来自所述数据串中的每一个的下一相邻字符，g)确定实际下一字符集合，h)确定所预测的下一字符集合与所述实际下一字符集合之间的差，以及i)压缩所预测的下一字符集合与所述实际下一字符集合之间的差。