用于从压缩的基因组序列读段重建基因组参考序列的方法和系统

摘要

本公开中描述的方法和设备包括依据描述所述参考基因组和与所述参考基因组先前比对的基因组序列之间差异的语法元素来表示参考基因组。借助语法元件的子集来描述每个比对的基因组序列。描述所有基因组序列的语法元素根据其统计性质按块分割。每个语法元素块被熵编码。然后，熵编码的块串联形成压缩的比特流。凭借语法元素表示参考基因组与比对的序列之间的差异，语法元素根据其统计性质按块分割，每个语法元素块被熵编码。这些熵编码的语法元素被嵌入描述比对的读段的语法元素的编码块的比特流中。所公开的方法使得能够在解码压缩的基因组序列时重建用于比对的参考基因组，同时保留对压缩的数据的随机访问的不同选项并且使得能够高效压缩。