[发明专利]一种二代序列的短序列纠错的方法和装置

权利要求书

1.一种二代序列的短序列纠错的方法，其特征在于，所述方法包括：

获取二代序列的K-mer序列；

对所述K-mer序列进行分类，得到多个分类文件；

对每个所述分类文件，统计所述K-mer序列的频数；

筛选并获得低于预定频数的K-mer序列；

用所述预定频数的K-mer序列对所述二代序列进行纠错；

其中，所述纠错包括：将所述预定频数的K-mer序列比对回所述二代序列，若比对上，则从该K-mer头尾两端对应在所述二代序列上的位置将所述二代序列截断；保留截断后的长度大于预定长度的序列，舍弃截断后的长度小于所述预定长度的序列。

2.根据权利要求1所述的二代序列的短序列纠错的方法，其特征在于，所述方法在所述分类和所述统计步骤之间，还包括：压缩所述K-mer序列。

3.根据权利要求2所述的二代序列的短序列纠错的方法，其特征在于，所述压缩所述K-mer序列包括：对所述K-mer序列中的每三个碱基用1位ASCII字符替代。

4.根据权利要求1-3任一项所述的二代序列的短序列纠错的方法，其特征在于，所述K-mer序列的长度范围是17至75个碱基长度。

5.根据权利要求4所述的二代序列的短序列纠错的方法，其特征在于，所述K-mer序列的长度是3的整数倍。

6.根据权利要求5所述的二代序列的短序列纠错的方法，其特征在于，所述K-mer序列的长度是39个碱基长度。

7.根据权利要求1-3任一项所述的二代序列的短序列纠错的方法，其特征在于，所述对所述K-mer序列进行分类包括：截取所述K-mer序列的连续n位碱基序列，其中含N的K-mer序列去掉，将所述K-mer序列分类到4的n次方份文件中。

8.根据权利要求1-3任一项所述的二代序列的短序列纠错的方法，其特征在于，所述预定频数是4。

9.根据权利要求1-3任一项所述的二代序列的短序列纠错的方法，其特征在于，所述预定长度是80-120个碱基长度。

10.根据权利要求9所述的二代序列的短序列纠错的方法，其特征在于，所述预定长度是100个碱基长度。

11.一种二代序列的短序列纠错的装置，其特征在于，所述装置包括：

获取单元，用于获取二代序列的K-mer序列；

分类单元，用于对所述K-mer序列进行分类，得到多个分类文件；

统计单元，用于对每个所述分类文件，统计所述K-mer序列的频数；

筛选单元，用于筛选并获得低于预定频数的K-mer序列；

纠错单元，用于用所述预定频数的K-mer序列对所述二代序列进行纠错；

其中，所述纠错包括：将所述预定频数的K-mer序列比对回所述二代序列，若比对上，则从该K-mer头尾两端对应在所述二代序列上的位置将所述二代序列截断；保留截断后的长度大于预定长度的序列，舍弃截断后的长度小于所述预定长度的序列。

12.根据权利要求11所述的二代序列的短序列纠错的装置，其特征在于，所述装置还包括：压缩单元，用于压缩分类过的K-mer序列。