arxiv：2409.00613v2 [q-bio.gn] 2024年11月6日__

arxiv：2409.00613v2 [q-bio.gn] 2024年11月6日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2409.00613v2 [q-bio.gn] 2024年11月6日

¥ 1.0

热度

尽管已经对数百万个基因组进行了测序，但其中大多数是从少数物种（例如人，大肠杆菌和结核分枝杆菌）中测序的。结果，现有的基因组序列是高度冗余的。这就是Hunt等人的方式。（2024）压缩了7.86个细菌组件（TB），也称为Alltheberacteria，在分组系统发育相关的基因组后，将其分成78.5 GB（GB）（Bˇrinda等人（Bˇrinda等），2024）。所得的压缩文件无损地保留所有序列，但不能直接搜索。索引对于启用快速序列搜索是必需的。k-mer数据结构是序列索引的流行选择（Marchet等人，2021）。它们可以分为三类。第一类并不将K-MER与数据库序列中的位置相关联。这些数据结构支持会员资格查询或伪字符（Bray等人，2016年），但无法重建输入序列或报告基础对齐。Petabase量表的序列搜索使用所有此类方法（Edgar等人，2022; Karasikov等。，2024; Shiryev和Agarwala，2024年）。第二类将K-MER的子集与其位置相关联。找到K-MER匹配时，此类别中的算法回到数据库序列并执行基本对齐。大多数对齐器都这样工作。但是，由于数据库序列不能很好地压缩，因此这些算法可能需要很大的空间来存储它们。最后一个类别保留所有K-Mers及其位置。，2024）。此类别中的算法可以重建所有数据库序列而无需明确存储它们。尽管可以有效地压缩K-MER的位置（Karasikov等人，2020），他们仍然占用很大的空间。最大的无损K-MER指数由一些terabase组成（Karasikov等人压缩全文索引，例如FM索引（Ferragina和Manzini，2000）R-Index（Gagie等人。，2018年； Bannai等。，2020年； Gagie

添加pdf代下载 VIP点击下载文件