基于混合统计模型的DNA序列压缩算法.pdfVIP

华南理工大学学报（自然科学版） 第４２卷第３期 ＪｏｕｒｎａｌｏｆＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｖｏｌ．４２ Ｎｏ．３ ３ （ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｍａｒｃｈ ２０１４ ２０１４年月 文章编号： １０００５６５Ｘ（２０１４ 基于混合统计模型的 ＤＮＡ序列压缩算法 孙季丰仝雪珂谭丽 （华南理工大学电子与信息学院，广东广州５１０６４０） 摘 要： 基于专家模型算法（ＸＭ 算法）原理和有限上下文混合统计模型估计ＤＮＡ序列 每一个符号的概率，提出一种基于混合统计模型的ＤＮＡ序列压缩算法．将采用混合统计 模型计算出的概率估计应用于算术编码中，对标准 ＤＮＡ序列集的符号位进行压缩编码． 实验结果表明，文中提出的混合统计模型能得到比原有限上下文模型更好的压缩效果，且 能比其他经典 序列压缩算法产生更大的压缩率，弥补基于统计信息的当前较先进的 ＤＮＡ ＸＭ算法用于标准ＤＮＡ序列集时一些数据的不足，但对高通量ＤＮＡ 系列的压缩效果有 待提高． 关键词： ＤＮＡ序列压缩；ＸＭ算法；有限上下文模型；混合统计模型 中图分类号： ： ＴＰ３９１ ｄｏｉ １０．３９６９／ｊ．ｉｓｓｎ．１０００５６５Ｘ．２０１４．０３．００２ ＤＮＡ ［１３］ 序列数据在诸多领域具有重要的研究和 等在１９９９年提出ＣＤＮＡ算法，两种算法在 ｓｔｅｒｎ 应用价值，如医学、遗传科学等．以获取ＤＮＡ序列数 ．Ｋｏｒｏｄｉ 当时都产生了比替代算法更好的压缩率 据为目标的生物测序工程近年来得到广泛重视．随 ［１４］ ［１５］ 等在２００７年提出基于ＮＭＬ 的算法，Ｃａｏ等在 着各种测序项目的展开，ＤＮＡ序列数据以指数规模 年提出专家模型算法（ 算法） 算法和 ２００７ ＸＭ ．ＮＭＬ 急剧增长，在有限的存储资源内有效存储和应用成 算法可单独处理 序列，使统计信息压缩算 ＸＭ ＤＮＡ ＤＮＡ序列进行有效的压缩． 本日益增大，因此需对 法的应用效果有了显著提高． 由于ＤＮＡ序列的特殊性，普通压缩算法效果并不理 文中主要研究第类基于统计信息的数据压缩 ２ ［１］ 想，需要使用专门的算法进行压缩． ［１６１８］ 算法．基于ＸＭ算法理论，Ｐｉｎｈｏ 等 使用有限上 目前主要有两类专门针对ＤＮＡ序列数据的压 下文模型进行序列的统计压缩，实验结果表明，改进 缩