基于de Bruijn圖的DNA contig生成算法.pdf

1、為了探索生命的本質(zhì)，人們迫切希望快速地獲得新物種個(gè)體DNA分子的全部堿基序列?，F(xiàn)在，新一代測(cè)序技術(shù)不斷發(fā)展，但測(cè)序過(guò)程中DNA分子已被打碎成堿基片段，于是從頭測(cè)序被提出來(lái)了。隨著第二代、第三代測(cè)序技術(shù)的產(chǎn)生，人們能在較短時(shí)間內(nèi)獲得大量的測(cè)序數(shù)據(jù)。測(cè)序技術(shù)以高通量、低成本、高精度為發(fā)展方向，現(xiàn)在積累的測(cè)序數(shù)據(jù)越來(lái)越多。如何快速、準(zhǔn)確地處理海量測(cè)序數(shù)據(jù)已成為DNA測(cè)序發(fā)展的瓶頸。
　　測(cè)序之前，DNA分子要經(jīng)過(guò)復(fù)制、打碎、過(guò)濾等過(guò)程，

2、然后通過(guò)測(cè)序儀，把DNA片段讀出，讀出的DNA片段稱(chēng)為讀取。要獲得整個(gè)DNA分子的堿基序列，首先要根據(jù)讀取構(gòu)造重疊群。重疊群是由讀取相互重疊而成的DNA片段，并且重疊群上的每個(gè)堿基都被一條讀取所覆蓋。在本文中，提出了一種新的重疊群生成算法，叫SRGA。該算法基于de Bruijn圖，將從頭測(cè)序問(wèn)題轉(zhuǎn)化成一個(gè)四叉樹(shù)的搜索問(wèn)題，并采用啟發(fā)式搜索策略，能夠快速地處理海量測(cè)序數(shù)據(jù)，而且能得到質(zhì)量較高的重疊群。
　　本文詳細(xì)敘述了算法的原理

3、以及實(shí)現(xiàn)過(guò)程。為了存儲(chǔ)大量的讀取，在本文中使用了一種新的de Bruijn圖結(jié)構(gòu)。為了引入啟發(fā)式規(guī)則，決策表結(jié)構(gòu)是必要的。決策表中保存了正在參與拼接的讀取，后繼k-mer就是由這些讀取決定的。當(dāng)選定后繼k-mer時(shí)，決策表需要更新。算法中通過(guò)不斷選取后繼k-mer，來(lái)擴(kuò)展重疊群。故后繼k-mer的選取是一個(gè)非常重要的過(guò)程，只有選擇了正確的后繼k-mer才能得到質(zhì)量較高的重疊群。本文提出了讀取鎖定策略，即通過(guò)設(shè)置決策表中的鎖定位，將一些快