基因组数据的有效存储和分析:A k-mer频率映射和图像表示方法
Hatice Busra Luleci1, Selcen Ari Yuka2, Alper Yilmaz3
1Department of Bioengineering, Gebze Technical University, Kocaeli, 41400, Türkiye.
Interdisciplinary sciences, computational life sciences
|October 21, 2024
概括
使用混沌游戏表示 (CGR) 图像压缩DNA k-mer频率显著减少了存储需求. 这种新的方法能够对大型基因组数据集进行高效的分析和相似性比较.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 对于DNA序列研究来说,k-mer频率分析至关重要,但由于高维度而面临存储挑战.
- 现有的存储k-mer数据的方法对于大规模的基因组数据集是低效的.
研究的目的:
- 为k-mer频率数据开发一种新的无损压缩方法.
- 优化大型生物序列数据集的存储和分析.
- 为了能够对基因组数据进行高效的相似性分析.
主要方法:
- 使用混沌游戏表示 (CGR) 将k-mers映射到坐标上.
- 从CGR组件生成的光图像,表示k-mer频率.
- 分区和标记CGR地图,以创建类似碎形的图像结构.
- 代表整个k-mer频率集作为单个图像.
主要成果:
- 与纯文本相比,文件大小减少了16倍,与二进制格式相比,文件大小减少了3倍.
- 通过使用生成的图像,成功地对14种植物物种的全基因组序列进行了无对齐相似性分析.
- 展示了图像重建和k-mer频率检索.
结论:
- 基于CGR的图像压缩方法为存储和分析k-mer频率提供了快速有效的解决方案.
- 这种方法促进了对大型生物序列数据集的高效访问和处理.
- 该方法显示了促进基因组数据分析和比较基因组学的重大潜力.
相关概念视频
01:17Karyotyping
58.3K
Overview
58.3K
02:54Evolutionary Relationships through Genome Comparisons
5.7K
Genome comparison is one of the excellent ways to interpret the evolutionary relationships between organisms. The basic principle of genome comparison is that if two species share a common feature, it is likely encoded by the DNA sequence conserved between both species. The advent of genome sequencing technologies in the late 20th century enabled scientists to understand the concept of conservation of domains between species and helped them to deduce evolutionary relationships across diverse...
5.7K