【技术实现步骤摘要】
本专利技术涉及生物信息学，尤其涉及一种基于哈希索引的短核酸序列全长匹配方法及系统。
技术介绍
1、核酸序列比对是生物信息学领域常用的分析技术，主要的应用场景包括两个序列的全局比对、数据库搜索比对以及多序列比对。两个序列的全局比对主要是寻找序列之间的相似区域和整体相似性关系；数据库搜索比对主要是在库序列中查找与查询序列相似的序列和区域；多序列比对也是以全局比对为基础，主要是分析多个序列之间的同源性和进化关系。
2、目前普遍使用的比对算法的主要策略是以局部比对为基础，再进行延伸扩展。初代的核酸序列比对算法以blast为代表，先从查询序列上挑选一些短“种子”序列，比如k长度子序列(k-mer)，找到匹配位置后再尽量扩展匹配区域，直到获得最大得分，这种基于“种子”的比对策略计算量大，效率低，而且往往会漏掉少量在“种子”序列上存在差异的匹配位点，再者，该技术主要针对长序列内部的局部相似区域，而对于在大量短序列中查找想要的记录，比如针对海量(千万甚至上亿级别)不同pirna序列的检索，包括精确匹配记录和高相似度记录，目前技术还没有针对性的优化。
3、因此，亟需一种短核酸序列全长匹配方法，以高效地实现短核酸序列全长匹配。
技术实现思路
1、本专利技术提供一种基于哈希索引的短核酸序列全长匹配方法及系统，用以解决现有技术无法实现高效的短核酸序列全长匹配的缺陷。
2、本专利技术提供一种基于哈希索引的短核酸序列全长匹配方法，包括：
3、对目标库序列建立哈希
4、得到查询序列；
5、根据预设匹配精度要求，得到与查询序列相似的可能变化序列；
6、基于哈希索引，对查询序列和可能变化序列进行全长匹配，得到短核酸序列全长匹配结果；
7、其中，目标库序列、查询序列、可能变化序列均为60碱基以内的短核酸序列。
8、根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，所述基于哈希索引，对查询序列和可能变化序列进行全长匹配，得到短核酸序列全长匹配结果，包括：
9、基于哈希索引，对查询序列进行全长精确匹配，得到查询序列的全长匹配结果；
10、基于哈希索引，对可能变化序列进行全长精确匹配，得到可能变化序列的全长匹配结果；
11、结合查询序列和可能变化序列的全长匹配结果，得到查询序列的最终全长匹配结果。
12、根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，所述预设匹配精度要求包括：错误匹配的碱基个数及其罚分；插入删除的碱基个数及其罚分；特定方向或部分碱基的删除、插入或延伸个数；匹配总得分；不同类型碱基的差异总数或总罚分；碱基相似度比例；匹配显著性或期望值中的一个或多个。
13、具体的，根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，所述可能变化序列可以是错误匹配的碱基个数为1-3个、插入删除的碱基个数为1-3个、特定方向或部分碱基的延伸个数为1-3个和/或包含在查询序列中的碱基长度在16个以上的可能变化序列等等。
14、根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，所述根据预设匹配精度要求，得到与查询序列相似的可能变化序列，具体为:
15、根据预设匹配精度要求，穷举与查询序列相似的可能变化序列。
16、根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，所述对目标库序列建立哈希索引，包括:
17、根据本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法，通过mysql数据库平台对目标序列库信息表的序列列建立哈希索引。
18、本专利技术还提供一种基于哈希索引的短核酸序列全长匹配系统，包括：
19、哈希索引建立模块，用于：对目标库序列建立哈希索引；
20、查询序列得到模块，用于：得到查询序列；
21、可能变化序列得到模块，用于：根据预设匹配精度要求，得到与查询序列相似的可能变化序列；
22、全长匹配模块，用于：基于哈希索引，对查询序列和可能变化序列进行全长匹配，得到短核酸序列全长匹配结果；
23、其中，目标库序列、查询序列、可能变化序列均为60碱基以内的短核酸序列。
24、本专利技术还提供一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现上述任一种所述的基于哈希索引的短核酸序列全长匹配方法。
25、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种所述的基于哈希索引的短核酸序列全长匹配方法。
26、本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述任一种所述的基于哈希索引的短核酸序列全长匹配方法。
27、本专利技术提供的一种基于哈希索引的短核酸序列全长匹配方法及系统，基于在全长匹配上可达o(1)时间复杂度的哈希索引，结合查询序列和可能变化序列进行精确匹配和模糊匹配，能够快速、高效地得到准确的短核酸序列全长匹配结果，有助于海量短核酸序列(例如pirna序列)的检索和研究，有效优化生物信息学领域上的核酸序列比对技术。
本文档来自技高网...【技术保护点】
1.一种基于哈希索引的短核酸序列全长匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述基于哈希索引，对查询序列和可能变化序列进行全长匹配，得到短核酸序列全长匹配结果，包括：
3.根据权利要求2所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述预设匹配精度要求包括：错误匹配的碱基个数及其罚分；插入删除的碱基个数及其罚分；特定方向或部分碱基的删除、插入或延伸个数；匹配总得分；不同类型碱基的差异总数或总罚分；碱基相似度比例；匹配显著性或期望值中的一个或多个。
4.根据权利要求3所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述可能变化序列包括以下任一项或其任意组合：错误匹配的碱基个数为1-3个、插入删除的碱基个数为1-3个、特定方向或部分碱基的延伸个数为1-3个和/或包含在查询序列中的碱基长度在16个以上的可能变化序列。
5.根据权利要求3所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述根据预设匹配精度要求，得到与查询序列相似的可能变化序列，具体为:
6.根据权利要求1-5任一项所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述对目标库序列建立哈希索引，包括:
7.根据权利要求6所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，通过mysql数据库平台对目标序列库信息表的序列列建立哈希索引。
8.一种基于哈希索引的短核酸序列全长匹配系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的基于哈希索引的短核酸序列全长匹配方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于哈希索引的短核酸序列全长匹配方法。
...【技术特征摘要】
1.一种基于哈希索引的短核酸序列全长匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述基于哈希索引，对查询序列和可能变化序列进行全长匹配，得到短核酸序列全长匹配结果，包括：
3.根据权利要求2所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述预设匹配精度要求包括：错误匹配的碱基个数及其罚分；插入删除的碱基个数及其罚分；特定方向或部分碱基的删除、插入或延伸个数；匹配总得分；不同类型碱基的差异总数或总罚分；碱基相似度比例；匹配显著性或期望值中的一个或多个。
4.根据权利要求3所述的基于哈希索引的短核酸序列全长匹配方法，其特征在于，所述可能变化序列包括以下任一项或其任意组合：错误匹配的碱基个数为1-3个、插入删除的碱基个数为1-3个、特定方向或部分碱基的延伸个数为1-3个和/或包含在查询序列中的碱基长度在16个以上的可能变化序列。
5.根据权利要求3所述的...
【专利技术属性】
技术研发人员：张鹏，陈润生，何顺民，王晓娜，宋廷瑞，郝頔，
申请(专利权)人：北京睿博解码生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。