[发明专利]用于管理基因序列的方法和装置

权利要求书

1.一种用于确定第一基因序列与第二基因序列之间的相似性的方法，包括：

分别在所述第一基因序列和所述第二基因序列上移动预定长度的滑动窗口；

在所述滑动窗口的第i次移动期间，提取所述第一基因序列在所述滑动窗口内的第一部分String1_i、和所述第二基因序列在所述滑动窗口内的第二部分String2_i；以及

基于所述第一部分String1_i和所述第二部分String2_i确定所述第一基因序列与所述第二基因序列之间的相似性。

2.根据权利要求1所述的方法，其中所述分别在所述第一基因序列和所述第二基因序列上移动所述预定长度的所述滑动窗口包括：

以小于或者等于所述预定长度的步长来移动所述滑动窗口。

3.根据权利要求1或2所述的方法，其中所述基于所述第一部分String1_i和所述第二部分String2_i确定所述第一基因序列与所述第二基因序列之间的所述相似性包括：在所述滑动窗口的所述第i次移动期间，

计算所述第一部分String1_i和所述第二部分String2_i之间的局部相似性similarity_i；以及

基于所述局部相似性similarity_i确定所述第一基因序列与所述第二基因序列之间的相似性。

4.根据权利要求3所述的方法，其中所述计算所述第一部分String1_i和所述第二部分String2_i之间的所述局部相似性similarity_i包括：

基于所述第一部分String1_i和所述第二部分String2_i之间的编辑距离d_i计算所述局部相似性similarity_i。

5.根据权利要求3所述的方法，其中所述基于所述局部相似性similarity_i确定所述第一基因序列与所述第二基因序列之间的所述相似性包括：

基于以下公式计算所述相似性其中N为所述滑动窗口移动的次数。

6.一种用于压缩基因序列的方法，包括：

响应于获取所述基因序列以及至少一个参考基因序列，采用根据权利要求1-5中的任一项所述的方法，确定所述至少一个参考基因序列中的每个参考基因序列与所述基因序列之间的至少一个相似性；

响应于所述至少一个相似性中的最小值小于或者等于预定阈值，选择相似性为所述最小值的所述参考基因序列作为当前参考基因序列；以及

生成经压缩的基因序列，所述经压缩的基因序列包括所述当前参考基因序列的标识符以及所述基因序列与所述当前参考基因序列之间的差异数据。

7.根据权利要求6所述的方法，其中所述生成所述经压缩的基因序列包括：

响应于所述基因序列中存在注释，在所述经压缩的基因序列中包括所述注释的位置和标识符；以及

在所述经压缩的基因序列中包括所述基因序列中的一部分与所述当前参考基因序列的相应部分之间的差异数据，所述基因序列中的所述一部分是无关于所述注释的部分。

8.根据权利要求6所述的方法，其中所述生成经压缩的基因序列包括：

将所述基因序列划分为多个分段；

针对所述多个分段中的每个分段，

在所述当前参考基因序列内搜索与所述每个分段相匹配的部分；

在所述经压缩的基因序列中包括所述相匹配的部分在所述当前参考基因序列中的位置、以及所述每个分段与所述相匹配的部分之间的差异数据。