[发明专利]一种基于混合模型的DNA存储编解码方法

摘要

本发明公开了一种基于混合模型的DNA存储编解码方法，包括如下步骤：输入原始数据进行二进制转换,并进行霍夫曼编码压缩；将文件分为若干列，列首添加地址码；将DNA存储四进制和二进制模型混合编码，并修改初始模型码；采用RS编码对模型码添加纠错码，然后对DNA序列进行RS编码纠错；重复上述步骤，直至所有序列均完成编码与纠错；将所有序列按文件码和编号码排序，利用RS编码对每123列添加4列纠错序列。本发明方法将传统的DNA存储四进制模型与二进制模型混合编码，编码潜力达到1.75；相较于四进制模型，能够更好地控制GC百分比，而与二进制模型相比，存储能力大大提高。

主权项

1.一种基于混合模型的DNA存储编解码方法，其特征在于：所述方法包括如下步骤：/n1）输入原始数据，进行二进制转换；/n2）对转换后的二进制序列进行霍夫曼编码压缩；将压缩后的二进制文件按每175个二进制数一列，分为若干列；每列按每7个二进制数一组，分为25组，每组前6个二进制数两两一组，最后一个二进制数单列；/n3）每一列列首添加地址码，包括文件码、编号码和模型码，其中模型码初值设为“00000000”，每两个二进制数构成一个两位二进制数，共13个；/n4）对所有的两位二进制数进行DNA四进制模型编码，单个二进制数进行DNA模型二进制编码；根据编码结果，将DNA存储四进制模型和二进制模型混合编码，构建144种混合模型；/n5）根据确定的混合模型编号，修改对应序列的模型码；采用RS纠错编码对模型码添加长度为10碱基的纠错码，插入模型码之后；/n6）对步骤5得到的DNA序列进行RS编码纠错，添加长度为4碱基的纠错码，置于序列尾部，得到含有127碱基的DNA序列；/n7）重复步骤3）至6），直至所有序列均完成编码与纠错；/n8）将完成编码的所有序列按文件码和编号码排序，每123列组成一个127行*123列的矩阵，其中123列表示123列已完成编码的连续编号DNA序列，127行表示DNA序列的127个碱基；然后，从模型码开始，逐行进行RS编码纠错，纠错码长度为4个碱基，生成127*127的矩阵，即每123列DNA序列后，添加4列纠错序列；纠错序列前9列添加独立索引，按混合模型1编码；/n9）解码过程为编码的反向过程，将测序得到的碱基序列按文件码和编号码排序，纠错序列按顺序插入其中，重新构建127*127矩阵，首先进行RS编码的行解码，根据4列纠错序列进行错误碱基纠正；然后对123列数据存储序列，每一列进行RS解码；最后对每一列的模型码进行RS解码；/n10）对每一列碱基按照模型码编号，选择对应的混合模型，解码转换为对应二进制序列；/n11）全部解码完成后将二进制序列按照文件码和编号码拼接，删除地址码和纠错码，得到存储信息的二进制文件；/n12）对二进制文件进行霍夫曼解码，得到初始二进制序列，将初始二进制序列重新生成为输入文件。/n