基于着色 de Bruijn 图的测序读段索引
数据结构与算法
2019-12-02 v2
摘要
在本文中,我们展示如何将着色 de Bruijn 图( colored de Bruijn graph, dBG)转化为用于处理海量测序读段集合的实用索引。与先前工作类似,我们使用 BOSS 与颜色矩阵 C 对该集合的着色 dBG 实例进行编码。为降低空间需求,我们设计了一种算法,生成更小且更稀疏的 C 版本。该算法的新颖之处在于(i)图的不完全着色,以及(ii)一种贪心着色方法,尽可能为不同字符串重用相同颜色。我们还提出两种在该索引之上工作的算法:一种用于读段重建,另一种用于重叠群(contig)组装。实验结果表明,我们的数据结构所用空间约为该集合朴素表示的二分之一(每 DNA 符号 1 字节),且超过 99% 的读段可仅由该索引重建。
引用
@article{arxiv.1908.02211,
title = {An Index for Sequencing Reads Based on The Colored de Bruijn Graph},
author = {Diego Diaz-Domínguez},
journal= {arXiv preprint arXiv:1908.02211},
year = {2019}
}
备注
This research has received funding from the European Union's Horizon 2020 research and innovation programme under the Marie Sklodowska-Curie Actions H2020-MSCA-RISE-2015 BIRDS GA No. 690941