On the representation of de Bruijn graphs
de Bruijn图在生物信息学中起着重要的作用，特别是在从头组装的背景下。然而，de Bruijn图在内存中的表示是许多汇编程序的计算瓶颈。最近的论文提出了一种导航数据结构的方法，以提高内存的使用。我们证明了几个理论空间下界，以显示这些类型的方法的局限性。我们进一步设计和实现了通用数据结构（DBGFM），并展示了其在人类全基因组数据集上的使用，实现了1.5 GB的空间使用率，比以前的方法提高了46%。作为DBGFM的一部分，我们开发了基于频率的极小化器的概念，并展示了如何使用仅43 MB的内存来枚举de Bruijn图的所有最大简单路径。最后，我们证明了我们的方法可以集成到现有的汇编程序通过修改ABySS软件使用DBGFM。
2014-10-06 cs.DS q-bio.GN q-bio.QM
Space-efficient merging of succinct de Bruijn graphs
我们提出了一种新的算法，用于合并[Bowe et al. WABI 2012]中介绍的de Bruijn图的简洁表示。我们的算法基于Holt和McMillan的轻量级BWT合并方法[Bionformatics 2014，ACM-BCB 2014]。对于Muggli等人提出的相同问题，我们的算法具有与最先进工具相同的渐近成本[bioRxiv 2017，Bioinformatics 2019]，但它使用的工作空间不到一半。我们的算法的一个新的重要功能，没有发现在任何现有的工具，是它可以计算的可变阶简洁表示的工会图在相同的渐近时间/空间界限。
2019-07-26 cs.DS
Variable-Order de Bruijn Graphs
一组字符串$S$的de Bruijn图$G_K$是基因组组装中的关键数据结构，其表示$S$的所有$K$长度子串之间的重叠。图的构建和导航是实践中的空间和时间瓶颈，也是组装大型真核生物基因组的主要障碍。这个问题由于以下事实而变得复杂：最先进的汇编器不针对单个阶（$K$的值）而是针对$K$的多个值来构建de Bruijn图。更准确地说，他们构建了$d$ de Bruijn图，每个图都有一个特定的顺序，即，$G_{K_1}, G_{K_2}, ..., G_{K_d}$。尽管这种范例提高了所产生的组件的质量，但在大多数情况下，它将内存增加了$d$的因子。在本文中，我们展示了如何增强Bowe等人（Proc. WABI，2012）的简洁de Bruijn图表示，以支持让我们动态更改顺序的新操作，有效地表示单个数据结构中最大值$K$的所有de Bruijn图。我们的实验表明，与单阶图相比，我们的可变阶de Bruijn图仅适度增加了空间使用，构建时间和导航时间。
2014-11-17 cs.DS q-bio.GN q-bio.QM
Alignment- and reference-free phylogenomics with colored de-Bruijn graphs
我们提出了一种新的基于全基因组的方法来推断大规模的同源性，是对齐和参考自由。与其他方法相比，它不依赖于成对比较来确定距离以推断树中的边。相反，构建了一个彩色的de-Bruijn图，并提取了关于共同序列的信息来推断系统发育分裂。不同的数据集的应用程序证实了该方法的鲁棒性。与其他最先进的基于全基因组的方法的比较表明相当或更高的准确性和效率。
2019-05-15 cs.DS q-bio.PE
Space efficient merging of de Bruijn graphs and Wheeler graphs
简洁数据结构的合并是一种成熟的技术，用于高效地构建大型简洁索引。在本文的第一部分中，我们提出了一个新的算法合并的de Bruijn图的简洁表示。我们的算法具有相同的渐近成本的最先进的算法相同的问题，但它使用不到一半的工作空间。我们的算法的一个新的重要功能，没有发现在任何现有的工具，是它可以计算的可变阶简洁表示的工会图在相同的渐近时间/空间界限。在本文的第二部分中，我们考虑合并Wheeler图的简洁表示的更一般的问题，Wheeler图是最近推出的图形家族，其中包括作为特殊情况的de Bruijn图和许多其他已知的简洁指数的基础上BWT或其变体之一。我们表明，惠勒图合并一般是一个更困难的问题，我们提供了一个空间有效的算法稍微简化的问题，确定工会图是否有一个排序，满足惠勒条件。
2021-07-12 cs.DS
TwoPaCo: An efficient algorithm to build the compacted de Bruijn graph from many complete genomes
动机：De Bruijn图已经被提出作为一种数据结构，以便于在群体和比较基因组环境中分析相关的全基因组序列。然而，目前的方法不能很好地扩展到许多大尺寸的基因组（如哺乳动物基因组）。结果如下：在本文中，我们提出了TwoPaCo，一个简单的和可扩展的低内存算法直接从一组完整的基因组构建紧凑的de Bruijn图。我们证明了它可以在一个典型的共享内存机器上，在不到一天的时间内构建100个模拟人类基因组的图，在不到两个小时的时间内构建8个真正的灵长类动物的图。我们相信，这一进展将使数百个马达加斯加大小的基因组的新的生物学分析成为可能。可用性：我们的代码和数据可从github.com/medvedevgroup/TwoPaCo下载联系方式：ium125@psu.edu
2016-02-18 cs.DS q-bio.GN
An Efficient Algorithm For Chinese Postman Walk on Bi-directed de Bruijn Graphs
短读段的序列组装是生物学中的一个重要问题。已知在双向de Bruijn图或串图上精确求解序列组装问题是困难的。然而，找到一个最短的双链DNA串（SDDNA）包含所有的k长的字在读段似乎是一个很好的启发式接近原始基因组。这个问题等价于在从读段构建的底层未加权双向de Bruijn图上找到循环中国邮递员（CP）行走。中国邮递员步行问题（CPP）通过将其简化为图上的一般双向流来解决，该图的运行时间为O（|E| 2 log 2（|V|））时间。在本文中，我们证明了循环CPP双向图可以解决，而不减少它的双向流。我们提出一个？(p(|+ |E|）log（|V|）+（dmaxp）3）时间算法来求解加权双向de Bruijn图上的循环CPP，其中p = max{|{v|（v）- dout（v）> 0}|, |{v|（v）- dout（v）|dmax = max{|din（v）- dout（v）}。|din(v) - dout(v)}.当不平衡节点数p远小于双向图中的节点数时，我们的算法的性能渐近优于双向流算法。从我们在各种数据集上的实验结果中，我们注意到p/|V|在0.08%和0.13%之间，概率为95%。
2010-06-24 cs.DS
Implementation Of Dynamic De Bruijn Graphs Via Learned Index
本文利用学习型索引设计动态 De Bruijn 图，以支持节点和边的增删；相比 DynamicBOSS 与 dynamicDBG，其在大规模 k-mer 数据上的插入时间和内存效率更优。
2024-06-18 cs.DS
Read Mapping on de Bruijn graph
背景下一代测序技术（NGS）极大地提高了我们对基因组进行测序的能力，但却没有提高组装基因组的能力。在实践中，许多已公布的基因组序列保持在大的重叠群集合的状态。每个重叠群描述了沿着组装图的某个路径发现的序列，然而，重叠群的集合并不记录该图中包含的所有序列信息。尽管可以用叠连群的集合进行许多后续分析，但人们可能会问，将读段映射到叠连群上是否与将它们映射到组装图的路径上一样信息丰富。目前，人们缺乏实用的工具来执行这种图上的映射。结果本文给出了de Bruijn图上映射的形式化定义，分析了问题的复杂性，并给出了一种实用的解决方案，提出了一种称为GGMAP（Greedy Graph MAPping）的流水线。它的新颖之处是一个程序，映射读取的分支路径的图，为此，我们设计了一个启发式算法称为BGREAT（德Bruijn图读取映射工具）。为了提高效率，BGREAT将读取序列重写为一系列unitigs序列。GGMAP可以在de Bruijn图上每CPU小时映射数百万个读取，该de Bruijn图是从大量人类基因组读取构建的。令人惊讶的是，结果显示，可以将多达22%的读段映射到图上，但不能映射到重叠群集上。结论虽然在de Bruijn图上映射读段是复杂的任务，但与基于组装的映射相比，即使对于复杂的真核数据，我们的建议也提供了一种实用的解决方案，该解决方案将效率与改进的映射能力相结合。关键词：读映射;…
2016-05-31 cs.DS q-bio.GN
Whole Genome Phylogenetic Tree Reconstruction Using Colored de Bruijn Graphs
我们提出了kleuren，一种新的组装免费的方法来重建系统发育树使用的着色de Bruijn图。kleuren的工作原理是构建着色的de Bruijn图，然后遍历它，在图中找到提供系统发育信号的气泡结构。然后将气泡对齐并连接以形成超矩阵，从中推断出系统发育树。我们介绍了kleuren用来完成这项任务的算法，并显示其性能重建的系统发育树的12种果蝇。kleuren准确地重建了已建立的系统发育树，是利用全基因组序列重建系统发育树的可行工具。软件包可从以下网址获得：https://github.com/Colelyman/kleuren
2017-09-23 cs.DS q-bio.PE
Assembling Omnitigs using Hidden-Order de Bruijn Graphs
DNA从头组装是生物信息学中的一项基本任务，而在de Bruijn图上寻找欧拉路径是其中的主要方法之一，在大多数情况下，de Bruijn图可能没有一个顺序可以很好地组装所有的读段。出于这个原因，一些基于de Bruijn的汇编器尝试依次在几个递增顺序的图上进行汇编。Boucher et al.（2015）更进一步，给出了一种表示方法，可以在图中导航并动态更改顺序，最大值为$K$，但他们可以在每条边使用最多$\lg K$的额外位，因为他们使用LCP数组。在本文中，我们将LCP数组替换为该数组的笛卡尔树的简洁表示，每条边仅需要2个额外的位，并且仍然可以让我们有效地支持有趣的导航操作。这些操作不足以让我们轻松地从图中提取unitigs和unitigs，但它们确实让我们提取一组包含所有unitigs的安全字符串。假设我们在一个可变阶的de Bruijn图表示中导航，遵循以下规则：如果没有输出边，那么我们降低阶，希望出现一条;如果只有一条输出边，那么我们就取它（增加当前阶，直到$K$）;如果有两条或更多的输出边，那么我们就停止。然后我们遍历一条（可变顺序）路径，这样我们只有在没有选择的时候才穿过边缘，或者等价地，我们只有在没有选择的时候才生成一个字符串。因此，我们提取的字符串是安全的。我们的实验表明，我们提取一组字符串比unitigs更多的信息，同时使用合理的内存量。
2018-05-14 cs.DS
Comparative genomics with succinct colored de Bruijn graphs
提出gcBB及改进版mgcBB方法，直接基于简洁着色de Bruijn图比较基因组，无需序列比对，在系统发育比较中取得良好效果。
2024-11-14 cs.DS
An Index for Sequencing Reads Based on The Colored de Bruijn Graph
在这篇文章中，我们展示了如何将彩色de Bruijn图（dBG）转换为用于处理大量测序读数的实用索引。与以前的工作类似，我们使用BOSS和颜色矩阵C对集合的彩色dBG的实例进行编码。为了减少空间需求，我们设计了一个算法，产生一个更小，更稀疏的C语言版本。该算法的新颖之处在于（i）图的不完全着色和（ii）贪婪着色方法，该方法试图在可能的情况下为不同的字符串重用相同的颜色。我们还提出了两种算法，工作在顶部的索引;一个是重建读取，另一个是重叠群组装。实验结果表明，我们的数据结构使用了大约一半的空间的平原表示的集合（1字节每个DNA符号），超过99%的读取可以重建只是从索引。
2019-11-29 cs.DS
Toward perfect reads: self-correction of short reads via mapping on de Bruijn graphs
短读准确性对于下游分析（如基因组组装和杂交长读校正）非常重要。尽管在短读段校正方面做了很多工作，但目前的校正器要么在大数据集上不能很好地扩展，要么将读段仅仅视为k-mer的套件，而不考虑它们的全长读段信息。结果我们提出了一种新的方法来纠正短读取使用de Bruijn图，并实现它作为一个工具，称为Bcool。作为第一步，Bcool根据读数构建了一个压缩的de Bruijn图。基于k聚体丰度然后基于单位丰度过滤该图，从而从大多数测序错误中去除。然后将清洁的图用作参考，在其上映射读段以校正它们。我们表明，这种方法比k-mer-spectrum校正器产生更准确的读数，同时可扩展到人类大小的基因组数据集及其他数据集。可用性和实现该实现是开源的，可以在http://github.com/Malfoy/BCOOL上根据Affero GPL许可证获得。Antoine Limasset antoine. gmail.com & Jean-François Flot jflot@ulb.ac.be & Pierre Peterlongo pierre. inria.fr
2018-02-08 cs.DS q-bio.QM
Using cascading Bloom filters to improve the memory usage for de Brujin graphs
De Brujin图广泛用于生物信息学中处理下一代测序数据。由于NGS数据集的规模非常大，因此有必要表示de Bruijn图，最近已经提出了几种解决这个问题的方法。在这项工作中，我们展示了如何减少[3]中使用Bloom过滤器表示de Brujin图的算法所需的内存。与[3]的方法相比，我们的方法需要的内存减少了30%到40%，对构建时间的影响微不足道。与此同时，我们的实验显示了比[3]更好的查询时间。据我们所知，这是de Bruijn图的最佳实用表示。
2013-05-21 cs.DS
Efficient Parallel and Out of Core Algorithms for Constructing Large Bi-directed de Bruijn Graphs
从一组重叠读段组装基因组序列是计算生物学中最基本的问题之一。解决装配问题的算法根据它们所采用的数据结构分为两大类。第一类使用重叠/字符串图，第二类使用de Bruijn图。然而，随着短读段测序技术的最新进展，基于de Bruijn图的算法似乎在实践中发挥着至关重要的作用。构建这些大规模de Bruijn图的有效算法在基于短读段的大型测序项目中非常重要。在Jackson et. al. ICPP-2008中，给出了该问题的一个$O(n/p)$时间并行算法。这里，$n$是输入的大小，$p$是处理器的数量。该算法枚举所有可能与节点重叠的双向边，并最终生成$Θ(nΣ)$消息。本文提出了一种$Θ(n/p)$时间并行算法，它的通信复杂度等于并行排序的通信复杂度，并且对$Σ$不敏感。我们的算法的通用性使得它很容易扩展到外的核心模型，在这种情况下，它有一个最佳的I/O复杂度为$Θ(\frac{n\log(n/B)}{B\log(M/B)})$。我们证明了我们的并行算法在SGI/Altix计算机上的可扩展性。我们的算法与Jackson等的比较。ICPP-2008表明，我们的算法更快。我们还提供了有效的算法的双向链压缩问题。
2010-03-09 cs.DC cs.DS
When is String Reconstruction using de Bruijn Graphs Hard?
本文研究从 de Bruijn 图重构字符串的难度，针对边区间约束的欧拉路径问题，提出参数化改进算法，证明当位置范围相对于 k 较小时问题可高效求解。
2025-08-05 cs.DS
SparseAssembler2: Sparse k-mer Graph for Memory Efficient Genome Assembly
我们工作的正式版本已经发表在BMC Bioinformatics上，可以在这里找到：http://www.biomedcentral.com/1471-2105/13/S6/S1动机：为了解决与de Bruijn基于图的算法相关的巨大内存使用问题，我们发布了SparseAssembler 1。与最先进的汇编器相比，SparseAssembler 1可以节省多达90%的内存消耗，但它需要多轮去噪才能准确地组装基因组。在本文中，我们介绍了一个新的通用模型，只使用稀疏的k-mer的基因组组装。新模型从一开始就取代了de Bruijn图的思想，并且与我们以前的SparseAssembler 1相比，实现了类似的内存效率和更好的鲁棒性。结果如下：我们证明，所有重叠的k-mer，这是在现有的de Bruijn图基因组组装器中使用的读取的分解，是过于谨慎。我们引入了一个稀疏的k-mer图结构保存稀疏的k-mer，这大大降低了从头基因组组装所需的内存空间要求。与de Bruijn图方法相比，我们设计了一个简单但强大的策略，即，找到基因组中k-mer之间的连接，并沿着连接进行遍历，这可以通过仅保存几个k-mer来完成。为了实现该策略，我们只需要选择一些甚至可能不是重叠的k-mer，并在这些k-mer之间建立由read指示的链接。我们可以遍历这个稀疏的k-mer图来构建重叠群，并最终完成基因组组装。由…
2013-01-09 cs.DS q-bio.GN
Compression of high throughput sequencing data with probabilistic de Bruijn graph
动机：下一代测序技术产生的数据量现在是存储和传输的主要问题。这引发了对比通用压缩工具（如广泛使用的gzip）更有效的方法的需求。大多数为NGS数据压缩开发的无参考工具仍然使用一般的文本压缩方法，并且无法从已经专门为NGS数据分析设计的算法中获益。我们的新方法Leon的目标是实现高通量测序数据的DNA序列的压缩，而不需要参考基因组，使用来自现有组装原理的技术，可能更好地利用NGS数据冗余。结果如下：我们提出了一种新的方法，在软件Leon中实现，用于压缩从高通量测序技术发出的DNA序列。这是一种无损方法，不需要参考基因组。相反，从读取的集合重新构建引用作为存储在布隆过滤器中的概率de Bruijn图。每个读段被编码为该图中的路径，仅存储锚定kmer和指示图中遵循哪个路径的分叉列表。这种新方法将允许压缩读取文件，这些文件也已经包含其底层的de Bruijn Graph，因此可以直接被依赖于这种结构的许多工具重用。Leon实现了C的编码。elegans读数设置为0.7位/碱基，优于现有技术的无参考方法。可用性：开放源代码，遵循GNU Affero GPL许可证，可在http://gatb.inria.fr/software/leon/下载
2014-12-18 cs.DS q-bio.QM
Utilizing de Bruijn graph of metagenome assembly for metatranscriptome analysis
宏基因组学研究加速了微生物有机体的研究，为各种微生物群落的组成和潜在功能提供了见解。元转录组学（研究来自微生物物种混合物的转录本）和其他元组学方法更有希望为微生物群落的功能和调控特征提供更多的见解。目前的元转录组学项目通常在没有匹配的元基因组数据集（相同微生物群落）的情况下进行。对于同时产生元转录组和元基因组数据集的项目，它们的分析往往没有整合。宏基因组组装远非完美，部分解释了为什么宏基因组组装不用于元转录组数据集的分析。在这里，我们报告了一个读取映射算法映射到de Bruijn图的组件的短读。连接k-mer（de Bruijn图中跨越分支结构的k-mer）的哈希表用于促进读取到图的快速映射。我们开发了这种映射算法的应用程序：一个基于参考的方法，使用宏基因组组装图作为参考的元转录组组装。我们的研究结果表明，这种新的方法（称为TAG）有助于组装更多的转录本，否则将被错过或截断，因为参考宏基因组的碎片化性质。TAG是用C++实现的，并在Linux平台上进行了广泛的测试。它可以在http://omics.informatics.indiana.edu/TAG上作为开放源代码下载。
2015-04-06 cs.CE cs.DS q-bio.GN
Simulating the DNA String Graph in Succinct Space
将一组测序读段转换成编码所有相关生物信息的无损紧凑数据结构是一个重大挑战。经典的方法是建立字符串图或de Bruijn图。每一个都有优势，这取决于应用程序。尽管如此，理想的设置将是具有易于构建并且可以适应任何类型的生物分析的读段的索引。在本文中，我们提出了一种新的数据结构，我们称之为rBOSS，它接近于这种理想。我们的rBOSS实际上是一个de Bruijn图，但它模拟了最大为k的任何长度，并且可以计算节点标签之间大小至少为m的重叠，其中k和m是参数。如果我们选择参数k等于读取的大小，那么我们可以模拟一个完整的字符串图。与大多数基于BWT的结构一样，rBOSS是单向的，但它利用DNA反向互补序列的特性来模拟双向性，并进行了一些时空权衡。我们在rBOSS上实现了一个基因组组装器，以证明其有用性。我们的实验结果表明，使用k = 100，rBOSS可以在不到15分钟的时间内组装185 MB的读段，总共使用110 MB。它产生的重叠群的平均大小超过10，000，这是通过使用固定长度k的纯de Bruijn图获得的大小的两倍。
2019-11-29 cs.DS
Computing k-mers in Graphs
University of Helsinki（赫尔辛基大学）；Technical University of Denmark（丹麦技术大学）
研究在图中计算k-mer的复杂性，并提出在Wheeler图中高效计数的方法，同时改进了de Bruijn图的构造方法。
2026-02-19 cs.DS
ViQUF: de novo Viral Quasispecies reconstruction using Unitig-based Flow networks
本文提出 ViQUF，一种结合 de Bruijn 图、Unitig 流网络、最小费用流和贪心路径重建的从头病毒准种组装与定量方法，在真实及模拟数据上显著降低时间和内存开销并保持高精度。
2021-12-13 cs.DS
Efficient Algorithms for de novo Assembly of Alternative Splicing Events from RNA-seq Data
在这篇论文中，我们解决了在没有参考基因组可用的情况下，在RNA-seq数据中识别和量化变体（选择性剪接和基因组多态性）的问题，而无需组装完整的转录本。基于每个变体对应于从RNA-seq读取构建的de Bruijn图中的可识别模式（气泡）的基本思想，我们提出了此类图中所有变体的通用模型。然后，我们介绍了一个确切的方法，称为KisSplice，提取选择性剪接事件。最后，我们表明，它能够识别更多的正确的事件比通用的转录组组装。为了处理不断增加的NGS数据量，我们付出了额外的努力，使KisSplice尽可能具有可扩展性。首先，为了提高其运行时间，我们提出了一种新的多项式延迟算法来枚举气泡。我们表明，它是几个数量级的速度比以前的方法。然后，为了减少其内存消耗，我们提出了一种新的紧凑的方式来构建和表示de Bruijn图。我们表明，我们的方法使用的内存比最先进的少30%至40%，对构建时间的影响微不足道。此外，我们应用相同的技术开发列出气泡在两个经典的问题：循环枚举和K-最短路径问题。我们给出了第一个列出无向图中圈的最佳算法，改进了Johnson的算法。这是近40年来这一问题的首次改善。然后，我们考虑一个不同的参数化的经典K-最短（简单）路径问题：而不是界定的ST-路径的数量，我们界定的ST-路径的重量。我们提出了新的算法，具有相同的时间复杂度，但使用指数比以前的方法更少的内存。
2014-06-23 cs.CE cs.DS q-bio.QM
Linear-Time Superbubble Identification Algorithm for Genome Assembly
DNA测序是确定个体基因组的核苷酸碱基的确切顺序的过程，以便对序列变异进行编目并了解其生物学意义。全基因组测序技术以短序列的形式产生大量数据，称为读取。将这些读段组装到整个基因组中构成了一个主要的算法挑战。大多数组装算法利用从读取构建的de Bruijn图用于此目的。这些算法的一个关键步骤是检测由测序错误和基因组重复引起的图中的典型基序结构，并将其过滤掉;这样一个复杂的子图类是所谓的超级气泡。在本文中，我们提出了一个O（n+m）时间的算法来检测所有的超级气泡在一个有向无环图与n个节点和m（有向）边，改进了最著名的O（m log m）时间的算法Sung等人。
2015-09-17 cs.DS
Detecting Superbubbles in Assembly Graphs
我们引入了一个新的子图类的概念，称为一个超级气泡的组装图分析，并提出了一个有效的算法来检测它。大多数组装算法利用组装图，如de Bruijn图或重叠图构建读取。从这些图中，许多组装算法首先检测简单的局部图结构（图案），如提示和气泡，主要是为了发现测序错误。这些基序很容易检测，但它们有时太简单，无法处理更复杂的错误。超气泡是气泡的一种扩展，它对于分析组装图也很重要。虽然超级泡沫比普通泡沫复杂得多，我们表明，他们可以有效地枚举。我们提出了一个平均情况下的线性时间算法（即，O（n+m）对于具有合理模型的图，尽管我们算法的最坏情况时间复杂度是二次的（即，时间复杂度为O（n（n+m））。此外，该算法实际上非常快：我们的实验表明，我们的算法在合理的时间内运行一个单一的CPU核心，即使对一个非常大的图的整个人类基因组。
2013-07-30 cs.CE cs.DM cs.DS
Compression of next-generation sequencing reads aided by highly efficient de novo assembly
我们提出了Quip，一种无损压缩算法，用于FASTQ和SAM/BAM格式的下一代测序数据。除了实现基于参考的压缩，我们已经开发出，据我们所知，第一个基于汇编的压缩器，使用一种新的从头汇编算法。使用概率数据结构来显著减少传统de Bruijn图汇编器所需的内存，从而可以非常有效地汇编数百万次读取。然后将读取序列存储为组装的重叠群内的位置。这与读段标识符、质量分数、比对信息和序列的统计压缩相结合，有效地将非常大的数据集压缩到其原始大小的15%以下，而不会丢失信息。可用性：Quip可以在BSD许可证下从http://cs.washington.edu/homes/dcjones/quip免费获得。
2012-07-10 cs.DS q-bio.GN q-bio.QM
A Review of In-Memory Space-Efficient Data Structures for Temporal Graphs
时态图对实体之间随时间的关系进行建模。最近的研究将时态图应用于抽象复杂系统，例如社交网络参与者之间的连续通信。通常，数据量大于主内存，因此，我们需要专门的结构来平衡空间使用和查询效率。在本文中，我们回顾了空间高效的数据结构，使大的时间图从外部存储器到主存储器，并加快专门的查询。我们发现了大量使用数据压缩技术和自索引压缩数据结构的研究。我们指出进一步的研究方向，以改善目前的国家的最先进的。
2022-04-26 cs.DS
Memory-Efficient Solutions to Large-Graph MST Problems
针对大规模图最小生成树问题，提出Prim算法增强方案，在内存受限环境下将辅助内存使用减少超90%，误差小于0.3%。
2023-12-26 cs.DS
Optimal Construction of Hierarchical Overlap Graphs
基因组组装是生物信息学中的一个基本问题，其目的是对给定的基因组重叠子串进行重组。解决这个问题的经典方法是使用装配图，如de Bruijn图或重叠图，它们保留了关于这种重叠的部分信息。对于基因组组装算法，这些图呈现了存储的重叠信息和可扩展性之间的权衡。因此，层次重叠图（HOG）被提出来克服这两种方法的局限性。对于给定的$n$字符串集合$P$，计算HOG的第一个算法由Cazaux和Rivals [IPL 20]给出，需要使用超线性空间的$O(||P||+n^2)$时间，其中$||P||$是$P$中字符串长度的累积和。Park等人[SPIRE20]使用段树将其改进为$O(||P||\log n)$时间和$O(||P||)$空间，并进一步改进为字RAM模型的$O(||P||\frac{\log n}{\log \log n})$。这两个结果描述了一个开放的问题，计算HOG在最佳的$O(||P||)$时间和空间。在本文中，我们实现了所需的最佳界限，提出了一个简单的算法，不使用任何复杂的数据结构。在其核心，我们的解决方案改进了经典的结果[IPL 92]的特殊情况下的所有对后缀前缀（APSP）的问题从$O(||P||+n^2)$时间到最佳的$O(||P||)$时间，这可能是独立的利益。
2021-06-11 cs.DM cs.DS
Safe and complete contig assembly via omnitigs
重叠群组装是大多数组装器在从一组读段重建基因组时解决的第一阶段。它的输出由重叠群组成--一组有望出现在任何可能产生读段的基因组中的字符串。自从20年前引入重叠群以来，汇编器一直试图获得越来越长的重叠群，但以下问题从未得到解决：给定基因组图$G$（例如de Bruijn或字符串图），可以安全地从$G$报告为重叠群的所有字符串是什么？在本文中，我们最终回答了这个问题，并给出了一个多项式时间算法来找到他们。我们的实验表明，这些字符串，我们称之为omntigs，平均比流行的unitigs长66%至82%，29%的dbSNP位置在omntigs中的邻居比unitigs中的邻居多。
2016-08-16 cs.DM cs.DS q-bio.GN
Shared-memory Graph Truss Decomposition
我们提出了PKT，一个新的共享内存并行算法和OpenMP实现的大型稀疏图的桁架分解。k-桁架是稠密子图的定义，可以被认为是团的松弛。桁架分解是指基于其k-桁架成员资格对图中的所有边进行划分。图的桁架分解有许多应用。我们表明，我们的新方法PKT始终优于其他桁架分解方法的大型稀疏图的集合和24核共享内存服务器上。PKT是基于最近提出的k-核心分解算法。
2017-07-07 cs.DC cs.DS cs.SI
