比对读集的压缩与索引
数据结构与算法
2021-06-02 v5 基因组学
摘要
在本文中，我们展示了如何以一个或多个已组装或部分组装的基因组为基础，为其读集构建压缩的全文索引。具体而言，我们以组装基因组为主干构建一棵带标签的树，并将比对到该基因组的读段按其比对的起始位置嫁接上去。接着，我们计算所得带标签树的扩展Burrows-Wheeler变换（XBWT），并基于此构建压缩的全文索引。尽管该索引偶尔会返回假阳性，但其通常比替代方案紧凑得多。遵循针对多重复数据集的既定做法，我们通过考察变换后字符串中的游程数来比较不同的全文索引。对于人类19号染色体读集，我们的初步实验表明，从EBWT中去除分隔符字符可将游程数减少19%，从2.2亿降至1.78亿，而使用XBWT进一步减少15%，降至1.5亿。
引用
@article{arxiv.1809.07320,
title = {Compressing and Indexing Aligned Readsets},
author = {Travis Gagie and Garance Gourdel and Giovanni Manzini},
journal= {arXiv preprint arXiv:1809.07320},
year = {2021}
}