一种FASTQ文件压缩中的碱基序列编码方法和系统

摘要

本发明属于生物信息数据处理技术领域，涉及一种FASTQ文件压缩中的碱基序列编码方法和系统，S1对待编码碱基序列的简并碱基信息进行编码；S2判断待编码碱基序列是否存在接头序列，若存在所述接头序列则对所述接头序列进行编码；S3将待编码碱基序列与参考序列进行比对，若所述待编码碱基序列与参考序列比对成功，则将所述待编码碱基序列的比对信息进行编码；S4若所述待编码碱基序列与参考序列比对失败，则对所述待编码碱基序列进行熵编码。其通过尽量降低接头序列、简并碱基、低质量碱基给序列比对和熵编码带来的负面影响，从而提高了比对率和熵编码的压缩率。