[发明专利]云环境下基于编辑距离的相似碱基序列查询方法

摘要

本发明公开了一种云环境下基于编辑距离的相似碱基序列查询方法，主要解决云不完全可信时，从云端大量的电子记录中找出相似碱基序列的问题。其实现步骤为：(1)计算用户碱基序列的单字符操作集；(2)聚类；(3)用户碱基序列和聚类中心的哈希映射；(4)计算待查询碱基序列的单字符操作集；(5)待查询序列的哈希映射；(6)选择候选客户端；(7)查找相似碱基序列。本发明是将基于编辑距离的相似碱基序列查询方法应用于云环境下，较之传统的相似碱基序列查询方法，具有较好的扩展性和伸缩性，保证云环境下的碱基序列的安全，减少硬件资源的消耗。

主权项

一种云环境下基于编辑距离的相似碱基序列查询方法，包括如下步骤：(1)计算用户碱基序列的单字符操作集：(1a)从云环境下的客户端输入每个用户基因组中的脱氧核糖核酸DNA全部信息保存到本地数据库中，所述脱氧核糖核酸DNA包含腺嘌呤A，胸腺嘧啶T，胞嘧啶G，鸟嘌呤C的碱基序列；(1b)从云环境下的客户端输入一个与碱基序列对应的公共参考序列Ref，保存到本地数据库中；(1c)采用碱基序列压缩算法，将公共参考序列Ref转化为数据库存储的碱基序列，得到公共参考序列Ref和数据库存储的碱基序列的最小编辑序列；(1d)运用拆分操作，将最小编辑序列拆分成单字符操作集；(2)聚类：采用KMeans聚类方法，在云环境下的客户端上将所有用户的单字符操作集分成几个聚类；(3)用户碱基序列和聚类中心的哈希映射：(3a)在云环境下的客户端上，对每个用户的单字符操作集进行哈希映射，得到每个用户的哈希映射集；(3b)对每个用户的哈希映射集求和，将所得结果作为每个用户碱基序列的映射值；(3c)对每个聚类中心的单字符操作集分别进行哈希映射，得到每个聚类中心的哈希映射集；(3d)对每个聚类中心的哈希映射集求和，将所得结果作为每个聚类中心的映射值；(3e)将每个用户和每个聚类中心的映射值发送给云计算平台；(4)计算待查询碱基序列的单字符操作集：(4a)将云环境下客户端输入一个待查询碱基序列保存到本地数据库中；(4b)采用碱基序列压缩算法，将公共参考序列Ref转化为待查询碱基序列，得到公共参考序列Ref和待查询碱基序列的最小编辑序列；(4c)运用拆分操作，将最小编辑拆分成单字符操作集；(5)待查询碱基序列的哈希映射：(5a)在云环境下的客户端上，对待查询碱基序列的单字符操作集进行哈希映射，得到待查询碱基序列的哈希映射集；(5b)对待查询碱基序列的哈希映射集求和，将所得结果作为待查询碱基序列的映射值；(5c)将待查询碱基序列的映射值发送给云计算平台；(6)选择候选客户端：(6a)采用隐私差集大小协议，在云计算平台上对待查询碱基序列的映射值和聚类中心的映射值进行计算，得到待查询碱基序列与聚类中心的近似编辑距离；(6b)比较近似编辑距离与含有近似参数的聚类阈值，将近似编辑距离小于聚类阈值时聚类所在的客户端作为候选客户端；(7)查找相似碱基序列：(7a)采用隐私差集大小协议，在云计算平台上对待查询碱基序列的映射值和候选客户端中用户碱基序列的映射值进行计算，得到待查询碱基序列与用户碱基序列的近似编辑距离；(7b)将近似编辑距离小于近似参数时所对应的用户碱基序列作为待查询碱基序列相似的碱基序列。