[发明专利]一种基于后缀数组与单调栈的基因组组装预处理方法

权利要求书

1.一种基于后缀数组与单调栈的基因组组装预处理方法，其特征在于，包括如下步骤：

步骤1：对获取到的基因测序数据进行处理，按照数据格式将数据分组并读取有效信息；

步骤2：将读取到的信息进行处理，构建相应的辅助信息，包括后缀数组与单调栈等高级数据结构；

步骤3：通过遍历所获得的后缀数组并维护单调栈来获取所需信息，将信息整理后输出。

2.根据权利要求1所述的基于后缀数组与单调栈的基因组组装预处理方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：在NCBI的官方网站获取需要进行基因组组装的基因测序数据；

步骤1.2：对输入的基因测序数据集中的数据进行处理，每四行数据为一组，一次读入一组数据；将其第二行保留，其余数据视为无用数据进行舍弃；

所述步骤2包括如下步骤：

步骤2.1：将所有数据拼接为一个超长的字符串，数据之间使用编码为1的字符进行拼接，字符串结尾加上一个编码为0的字符；

步骤2.2：使用gSACA-k算法对所拼接的字符串构建后缀数组。

步骤2.3：根据基因测序数据的类型选择适合的单调栈结构，建立单调栈。

所述步骤3包括如下步骤：

步骤3.1：遍历后缀数组，对当前后缀进行判断，如果当前后缀是普通后缀，则正常维护单调栈，如果当前后缀是完整字符串，则在维护单调栈的基础上还要进行信息获取。

步骤3.2：根据3.2中的所获信息，建立一个以测序数据为点，重叠关系为边的边权图。边权图的建立意味着基因组组装预处理完成。