《基于生物信息学特征的DNA序列数据压缩算法 Bioinformatics Features Based DNA Sequence Data Compression Algorithm》.pdfVIP

第5期 电 子 学 报 vd．39No．5 2011年5月 Aa隗ⅡECllIl0NICASINICA M坷2011 基于生物信息学特征的DNA序列数据压缩算法 HWu3 纪震1，周家锐2，朱泽轩1，Q (1．深圳大学计算机与软件学院，广东深圳518060；2．浙江大学生物医学工程与仪器科学院，浙江杭州310027； 3．利物浦大学电气电子工程系，利物浦，L693GJ，UK) 摘要： 本文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中，提出了基于生物信息学特征 CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合．根据各集合中序列的具体生物学特征分别使用针对 性的压缩策略进行预处理，并通过I．ZMA算法进行压缩编码．实验结果表明，BioI_ZMA算法在基准测试序列上的压缩 性能优于原有的DNA序列压缩方法．特别是对于生物信息学特征清晰的长序列，算法能够在较短的时间内获得较高 的压缩率． 关键词：DNA数据压缩；生物信息学；序列重组；近似重复片段；IZMA 中图分类号：TP391文献标识码： A 文章编号：0372-2112(2011)05-0991-05 BioinformaticsFeaturesBasedDNA Data Sequence CompressionAlgorithm JIZhent，ZHOUJia-rui2，ZHU HWu3 Ze．xuanl，Q 2．蜥of勖肼讹f凸—l咖andInanunemScience，历莉增University，胁r咖。历撇310027，I】t／aa； 3GJ，UK) 3．Demn,,跏ofEleariml凸驴咖and日肋m妇，The踟呐ofz矗唰，l勘e,mol，1．．69 Abslmet：ArowelbioinformaticsfeaturesbasedDNA data Bi01．2MAis inthis Sequencecompt-essioll Iroposed algxi吐皿of DNA dataisslicedandreformedirao4clusters with paper．InBioIiMA，the IIleaIlings：the sequence accordingbiological c‘妯l培 intron RNA residual indata cluster，thecluster，theclusterandthe sequence duster．Byemployingpomtcdc0棚pl璐鲡onstrategies are dmmmtratedthebetter clusters withI_2MA results p静pID(搬蛐ng，the comprcssed