基于编辑距离的$k$-mer极大独立集研究

Leran Ma; Ke Chen; Mingfu Shao

基于编辑距离的$k$-mer极大独立集研究

数据结构与算法 2023-03-21 v1

作者: Leran Ma , Ke Chen , Mingfu Shao

摘要

在计算生物学中， $k$ -mer与编辑距离是基础概念。然而，关于配备编辑距离的所有 $k$ -mer度量空间所知甚少。本工作通过研究其极大独立集(MISs)来探索 $k$ -mer空间的结构。MIS是所有 $k$ -mer的一种具有良好理论性质的稀疏草图，因此在聚类、索引、哈希以及对大规模测序数据（尤其是高错误率数据）的草图构建中有关键应用。寻找MIS是一个具有挑战性的问题，因为 $k$ -mer空间的大小随 $k$ 呈几何增长。我们针对该问题提出了三种算法。第一种也是最直观的一种采用贪心策略。第二种方法利用 $k$ -mer空间的局部性性质以及对编辑距离的估计界限，实现了两种技术以避免冗余比较。最后一种算法通过将编辑距离转化为特定设计图中的最短路径，避免了编辑距离的昂贵计算。这些算法已得到实现，并且报告并分析了计算得到的 $k$ -mer空间MIS及其统计性质（ $k$ 最高达15）。源代码可自由获取：https://github.com/Shao-Group/kmerspace 。

关键词

$k$-mer 编辑距离极大独立集计算生物学贪心算法图最短路径

引用

@article{arxiv.2303.10926,
  title  = {On the Maximal Independent Sets of $k$-mers with the Edit Distance},
  author = {Leran Ma and Ke Chen and Mingfu Shao},
  journal= {arXiv preprint arXiv:2303.10926},
  year   = {2023}
}

备注

9 pages, 1 figure

基于编辑距离的$k$-mer极大独立集研究

摘要

关键词

引用

备注

相关论文