买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南开大学申请的专利一种高通量基因组测序质量得分数据并行压缩方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117133365B 。

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311018059.9，技术领域涉及：G16B50/50；该发明授权一种高通量基因组测序质量得分数据并行压缩方法是由王刚;孙辉;刘晓光;郑营锋;马汇东;王潇霏设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本一种高通量基因组测序质量得分数据并行压缩方法在说明书摘要公布了：本发明涉及数据压缩存储技术领域，提供一种高通量基因组测序质量得分数据并行压缩方法。该方法包括：分割原始基因测序文件；进行随机采样并对采样数据进行k‑mer分析，获得统计特征信息并建立并行序列分区模型进行二分类，依据拼接参数拼接二分类获得的两分区文件；通过多元线性回归分析预测法预测所述待压缩文件获得压缩率增益并建立并行四级游程预测映射模型进行数据消冗；通过多核处理器集群对两消冗子文件进行上下文建模，并结合算术编码进行级联压缩，获得最终压缩文件。本发明在显著降低质量得分数据压缩时间和峰值内存开销的前提下，还提升质量得分数据压缩率，减少待压缩存储文件大小，节约基础存储设施建设成本。

本发明授权一种高通量基因组测序质量得分数据并行压缩方法在权利要求书中公布了：1.一种高通量基因组测序质量得分数据并行压缩方法，其特征在于，包括： S100：分割原始基因测序文件，获取质量得分数据为待压缩文件； S200：对所述待压缩文件进行随机采样并对采样数据进行k-mer分析，获得所述待压缩文件的统计特征信息，根据所述统计特征信息建立并行序列分区模型；步骤S200中所述并行序列分区模型的表达式为： 其中，为第一索引值，为第二索引值，为第三索引值，为第四索引值，为第个处理器计算核心对第条序列计算得到的分区结果标记，为指示函数，为分区阈值，当时取值为0，为平均序列长度，为k-mer分析中用于特征提取的滑动窗口大小，为对待压缩文件进行随机采样的样本数量，为对待压缩文件进行随机采样的k-mer频率归一化因子，为第个处理器计算核心在第条序列的第个位置采集到的长度为的k-mer序列，为第条随机采样序列在第个位置计算得到的k-mer序列； S300：通过所述并行序列分区模型对所述待压缩文件进行二分类，获得第一分区子文件和第二分区子文件，依据拼接参数拼接所述第一分区子文件和所述第二分区子文件，获得第一拼接子文件和第二拼接子文件； S400：通过多元线性回归分析预测法预测所述待压缩文件获得压缩率增益，根据所述压缩率增益建立并行四级游程预测映射模型，通过所述并行四级游程预测映射模型分别对所述第一拼接子文件和所述第二拼接子文件进行数据消冗，对应获得第一消冗子文件和第二消冗子文件；步骤S400中通过多元线性回归分析预测法预测获得的压缩率增益的表达式为： 其中，为压缩率增益，为多元线性回归分析预测法计算获得的第一权重参数，为多元线性回归分析预测法计算获得的第二权重参数，为多元线性回归分析预测法计算获得的第三权重参数，为多元线性回归分析预测法计算获得的第四权重参数，为多元线性回归分析预测法计算获得的第五权重参数，为第个处理器计算核心对第条序列计算得到的众数字符，为平均序列长度，为拼接序列数目，为第一索引值，为第二索引值，为第五索引值，为指示函数，为表示第个处理器计算核心对第个拼接分区文件中的第条QSD序列中第个位置对应的字符，表示第个处理器计算核心对第个拼接分区文件中的第条QSD序列中第个位置对应的字符，为第个处理器计算核心在第条序列的第个位置计算得到的游程长度，为质量得分数据的字符取值空间大小，为第个处理器计算核心在第条序列的第个位置采集到的k-mer序列的字符取值空间大小； S500：通过多核处理器集群对所述第一消冗子文件和所述第二消冗子文件进行上下文建模，并结合算术编码进行级联压缩，获得最终压缩文件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南开大学，其通讯地址为：300071 天津市南开区卫津路94号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。