一种面向大规模基因数据的读段定位方法

摘要

本发明公开了一种面向大规模基因数据的读段定位方法；属于生物信息分析领域。该方法包括如下步骤：基因读段数据随机分割；数据的负载平衡；读段的空间索引；子读段不跨越剪切位定位；子读段跨越剪切位定位；子读段拼接；读段定位信息统计。本发明采用基于空位种子的读段定位方法，对该方法进行了改进，使之能够处理跨越剪切位读段定位的情况，设计了并行化程序并且在MapReduce框架下实现，提高了读段定位的效率。此外，本发明提出了一种负载平衡的解决方案，对个别节点执行时间较长，降低整个作业执行效率的情况具有良好的处理能力，因此具有较高的使用价值。