E2FM：用于基因组序列集合的加密压缩全文索引
数据库
2019-10-11 v1 数据结构与算法
摘要
下一代测序（NGS）平台以及更广义的高通量技术正导致核苷酸序列数据库规模的指数级增长。此外，核苷酸数据集的许多新兴应用——如与个性化医疗相关的那些——要求符合关于敏感数据存储与处理的法规。我们设计并精心构建了E2FM-index，一种占用极小空间的新全文索引，其针对以FASTA格式压缩和加密核苷酸序列集合以及执行快速模式搜索查询进行了优化。E2FM-index可构建占用至多为输入FASTA文件所需存储1/20的自索引，从而在索引高度相似序列集合时节省约95%的存储；此外，它可在数毫秒至数百毫秒（取决于模式长度）的时间内对构建的索引进行精确模式搜索。补充材料与支持数据集可通过Bioinformatics Online和https://figshare.com/s/6246ee9c1bd730a8bf6e获取。
引用
@article{arxiv.1910.04640,
title = {E2FM: an encrypted and compressed full-text index for collections of genomic sequences},
author = {Ferdinando Montecuollo and Giovannni Schmid and Roberto Tagliaferri},
journal= {arXiv preprint arXiv:1910.04640},
year = {2019}
}
备注
23 pages with pseudo-code and experimental results