Optimal Haplotype Assembly from High-Throughput Mate-Pair Reads
人类有$23$对同源染色体。同源对是几乎相同的染色体对。在大多数情况下,同源染色体的差异发生在某些被称为单核苷酸多态性(SNP)的记录位置。个体的单倍型是两个同源染色体上的SNP序列对。在本文中,我们研究的问题,推断单倍型的个人从他们的基因组的配偶对读取。我们给出了一个简单的公式为单倍型组装所需的覆盖率,下生成模型。这里的分析利用了这个问题与解码卷积码的联系。
2015-02-06 cs.CE cs.IT math.IT
Exploring Genome Characteristics and Sequence Quality Without a Reference
大的、复杂的基因组的从头组装是当前可用的DNA测序技术的重大挑战。虽然有许多从头组装软件包可用,但相对较少注意帮助用户进行组装。本文通过介绍新的方法来对DNA序列读数的集合进行质量评估,从而解决从头组装的实际问题。软件实现计算每个碱基的错误率,配对末端片段大小直方图和覆盖度量在没有参考基因组。此外,该软件将估计测序基因组的特征,如重复内容和杂合性,这是组装难度的关键决定因素。所描述的软件在GNU公共许可证下是免费提供和开源的。
2013-07-30 q-bio.GN
Chromosome-scale shotgun assembly using an in vitro method for long-range linkage
从短读段数据中进行长距离和高度准确的从头组装是基因组学中最紧迫的挑战之一。最近,已经显示通过活组织的染色质中的DNA的邻近连接产生的读取对可以解决这个问题。这些数据显著增加了组装体的支架邻接性并提供了单倍型定相信息。在这里,我们描述了一个更简单的方法(“芝加哥”)的基础上,在体外重建染色质。我们用人类DNA生成了两个芝加哥数据集,并使用新的软件管道(“HiRise”)构建了高度准确的从头组装和具有30 Mb支架N50的人类基因组支架。我们还展示了芝加哥的效用,通过重新组装和支架的美洲短吻鳄的基因组,以改善现有的组件。利用单个文库和Illumina HiSeq测序的一个泳道,我们将美洲短吻鳄的支架N50从508 kb增加到10 Mb。我们的方法使用已建立的分子生物学程序,可用于分析任何基因组,因为它只需要约5微克的DNA作为起始材料。
2015-02-18 q-bio.BM q-bio.GN
Apollo: A Sequencing-Technology-Independent, Scalable, and Accurate Assembly Polishing Algorithm
ETH Zurich(苏黎世联邦理工学院);Carnegie Mellon University(卡内基梅隆大学);Bilkent University(比尔肯特大学)
由第三代测序技术产生的长读段用于构建组装体(即,受试者的基因组),其进一步用于下游基因组分析。不幸的是,长读段具有高测序错误率,并且这些长读段中的大部分bp被错误地鉴定。这些错误传播到组件并影响基因组分析的准确性。装配抛光算法通过使用来自读段和装配之间的比对的信息抛光或修复装配中的错误来最小化这种错误传播(即,读取到组件对准信息)。然而,组装抛光算法只能使用来自某种测序技术或来自小组装的读段来抛光组装。这种技术依赖性和组装大小依赖性要求研究人员1)运行多个抛光算法,2)使用大基因组的小块来使用所有可用的读段集并抛光大基因组。我们介绍Apollo,一种通用的装配抛光算法,可以很好地扩展到抛光任何尺寸的装配(即,大基因组和小基因组)使用来自所有测序技术的读数(即,第二代和第三代)。我们的目标是提供一种单一的算法,该算法使用来自所有可用测序技术的读取集来提高组装抛光的准确性,并且可以抛光大基因组。Apollo 1)将组件建模为简档隐马尔可夫模型(pHMM),2)使用读取到组件对齐来用前向-后向算法训练pHMM,以及3)用Viterbi算法解码经训练的模型以产生抛光的组件。我们对真实读段集的实验表明,Apollo是唯一一种算法,它1)在单次运行中使用来自任何测序技术的读段,2)可以很好地扩展以抛光大型组装件,而不会将组装件分成多个部分。
2020-03-07 cs.CE cs.LG q-bio.GN
Single-Read Reconstruction for DNA Data Storage Using Transformers
Reichman University (IDC Herzliya)(赖希曼大学(赫兹利亚跨学科中心));Ben-Gurion University of the Negev(内盖夫本-古里安大学)
随着全球对大规模数据存储的需求呈指数级增长,现有的存储技术在密度和能耗方面正在接近其理论和功能极限,使得基于DNA的存储成为未来数据存储的潜在解决方案。一些研究引入了具有高信息密度(PB/g)的基于DNA的存储系统。然而,DNA合成和测序技术产生错误的输出。校正这些错误的化学方法依赖于读取每个序列的多个拷贝,并导致过度的读取成本。Transformers作为一种用于语言建模的深度学习架构取得了前所未有的成功,这导致它被重新用于解决各个领域的各种任务。在这项工作中,我们提出了一种新的方法,单读重建使用编码器-解码器Transformer架构的DNA为基础的数据存储。我们将纠错过程作为一个自我监督的序列到序列任务,并使用合成噪声注入来训练仅使用解码的读取的模型。我们的方法利用每个解码文件的固有冗余来学习其底层结构。为了演示我们提出的方法,我们将文本,图像和代码脚本文件编码到DNA中,用高保真错误模拟器产生错误,并从嘈杂的读取中重建原始文件。与使用2-3个拷贝的最新算法相比,我们的模型在从每条DNA链的单个读取重建原始数据时实现了较低的出错率。这是第一次使用深度学习模型在基于DNA的存储中进行单读重建,从而降低了该过程的总体成本。我们表明,这种方法是适用于各种领域,并可以推广到新的领域。
2021-10-10 cs.ET cs.LG q-bio.GN
A $4,000 Workstation for Mammalian Genome Assembly with Long Reads
长读段测序已经使得能够从头组装几种哺乳动物基因组,但计算成本高。在这里,我们展示了在一个高效且廉价的工作站中使用长读段的哺乳动物基因组从头组装。
2017-03-20 q-bio.CB q-bio.GN
GRIM-Filter: Fast Seed Location Filtering in DNA Read Mapping Using Processing-in-Memory Technologies
动机:种子位置过滤在DNA读数映射中至关重要,DNA读数映射是将从供体采样的数十亿个DNA片段(读数)映射到参考基因组上以识别供体的基因组变体的过程。现有技术的读取映射器1)快速生成种子的可能映射位置(即,较小的片段),2)在每个映射位置提取参考序列,和3)用计算量大的算法检查每个读段和其相关参考序列之间的相似性(即,序列比对)以确定读数的来源。种子位置过滤器在对齐之前开始起作用,丢弃对齐将视为不良匹配的种子位置。理想的种子位置过滤器将在对准之前丢弃所有不良匹配位置,使得不存在对不必要的对准的浪费计算。结果如下:我们提出了一种新的种子位置过滤算法,GRIM-Filter,优化利用3D堆叠的存储器系统,集成在存储器层下堆叠的逻辑层内的计算,执行内存中的处理(PIM)。GRIM-Filter通过以下方式快速过滤种子位置:1)引入参考基因组粗粒度片段的新表示; 2)使用并行内存操作来识别每个粗粒度片段中的读段存在。我们的评估表明,对于0.05的序列比对误差容限,GRIM-过滤器1)将过滤的假阴性率降低5.59x-6.41x,和2)与采用最佳先前种子位置过滤算法的现有技术读取映射器相比,提供1.81x-3.65x的端到端读取映射器加速。可用性:代码可在线获取:https://github.com/CMU-SAFARI/GRIM
2017-11-02 cs.CE q-bio.GN
CompostBin: A DNA composition-based algorithm for binning environmental shotgun reads
微生物多样性研究的一个主要障碍是,绝大多数微生物不能在实验室中培养,因此不适合传统的表征方法。环境鸟枪测序(ESS)通过对微生物群落中存在的生物体的DNA进行测序来克服这一障碍。通过将每个序列读数与其来源生物体相关联,可以极大地促进对该宏基因组数据的解释。我们报告了CompostBin的发展,这是一种基于DNA组成的算法,用于分析宏基因组序列读数并将其分配到特定分类单元中。与先前试图分箱组装的重叠群并且通常需要在已知参考基因组上进行训练的方法不同,CompostBin具有准确分箱原始序列读数而无需组装或训练的能力。它应用主成分分析将数据投影到一个信息丰富的低维空间中,然后在这个过滤后的数据集上使用归一化切割聚类算法将序列分类到特定分类单元中。我们证明了算法的准确性,在各种模拟数据集和一个宏基因组数据集与已知的物种分配。CompostBin是一项正在进行的工作,计划在未来对算法进行几次改进。
2007-08-22 q-bio.GN
Beyond the Alphabet: Deep Signal Embedding for Enhanced DNA Clustering
The Henry & Marilyn Taub Faculty of Computer Science, Technion(以色列理工学院亨利与玛丽莲·陶布计算机科学学院);The Andrew and Erna Viterbi Faculty of Electrical and Computer Engineering, Technion(以色列理工学院安德鲁与埃尔娜·维特比电气与计算机工程学院)
本文提出一种深度神经网络,直接对 Nanopore 测序产生的原始信号进行聚类以改进 DNA 存储流程,相比传统基于碱基离散化后聚类的方法,显著提升了准确性并降低了计算时间。
2025-01-27 cs.CE cs.LG q-bio.GN
Metagenome assembly of high-fidelity long reads with hifiasm-meta
目前为短序列读取或有噪声的长读取开发的宏基因组组装器没有针对准确的长读取进行优化。在这里,我们描述hifiasm-meta,一个新的宏基因组组装程序,利用最近的数据的高准确性。在七个经验数据集上进行评估,hifiasm-meta每个数据集重建了数十到数百个完整的圆形细菌基因组,始终优于其他宏基因组组装器。
2021-10-16 q-bio.GN
Cerulean: A hybrid assembly using high throughput short and long reads
可以说,使用具有短读段的高通量数据的基因组组装在重复基因组中仍然是一项无法解决的任务,因为当重复序列的长度超过读段长度时,很难明确地连接侧翼区域。具有长读段的第三代测序(Pacific Biosciences)的出现使得有机会解析短读段数据无法解析的复杂重复。然而,这些长读段具有高错误率,并且在不使用额外的高质量短读段的情况下组装基因组是一项艰巨的任务。最近,Koren等人2012提出了一种使用高质量短读段数据来校正这些长读段的方法,从而使长读段的组装成为可能。然而,由于两个数据集(短读段和长读段)的大小都很大,这些长读段的纠错需要非常高的计算资源,即使是在小的细菌基因组上。在这项工作中,我们首先组装短读段,然后将这些长读段映射到组装图上以解析重复序列,而不是对长读段进行纠错。贡献:我们提出了一种混合装配方法,既计算效率高,生产高质量的组件。我们的算法首先使用仅由长重叠群组成的简化版本的组装图进行操作,并通过在每次迭代中添加较小的重叠群来逐渐改进组装。与最先进的长读取错误校正技术相比,即使对于细菌基因组数据集,该技术也需要在超级计算机上占用大量计算资源和较长的运行时间,我们的软件可以仅使用标准桌面在短的运行时间内产生可比较的组装。
2013-07-30 q-bio.GN q-bio.QM
Near-optimal Assembly for Shotgun Sequencing with Noisy Reads
最近的工作确定的基本限制的信息要求方面的读取长度和覆盖深度所需的成功从头基因组重建从鸟枪测序数据,基于理想化的假设,没有错误的读取(无噪声读取)。在这项工作中,我们表明,即使有噪音的读取,可以成功地重建与信息的要求接近无噪声的基本限制。基于基因组的概率模型,设计了一种新的组装算法--X阶段多桥组装算法。通过分析表明,它在模型上表现良好,并通过模拟在真实基因组上表现良好。
2014-02-27 q-bio.GN
Embed-Search-Align: DNA Sequence Alignment using Transformer Models
Aarhus University(奥胡斯大学)
针对DNA序列比对需在全基因组定位短读段的问题,提出Embed-Search-Align框架,通过Transformer生成无参考DNA嵌入并结合向量存储搜索,在人类基因组比对中准确率达99%,优于传统方法及6种Transformer基线。
2024-12-05 cs.AI q-bio.GN
ReadsMap: a new tool for high precision mapping of DNAseq and RNAseq read sequences
目前有大量的程序可用于将短序列(读段)映射到基因组。然而,其中大多数,包括流行的和积极发展的程序,如Bowtie,BWA,TopHat和许多其他的,是基于Burrows-Wheeler变换(BWT)算法。这种方法对于映射高同源性读段非常有效,但在映射具有高水平错误或SNP的读段时会遇到问题。此外,它在绘制RNASeq剪接读段(例如与对应于内含子序列的空位对齐的读段)方面存在问题,这类读段对于发现内含子和可变剪接基因同种型是必不可少的。同时,寻找内含子位置是确定基因结构,特别是基因可变剪接变体的最重要任务。在本文中,我们提出了一个新的算法,涉及散列参考基因组。实现这种算法的ReadsMap程序展示了大量短读段到一个或多个基因组重叠群的非常高的准确度映射。它主要通过将由长内含子分隔的读段的非常短的部分与来自映射包含插入在较大块之间的相同内含子的其他读段的核算信息更好地比对来实现。可用性和实现:ReadsMap是用C实现的。它被纳入Fgenesh ++基因识别管道,并在Softberry网络服务器www.softberry.com上免费提供给学术用户。
2019-08-05 q-bio.GN
Data-Driven Soft Labeling Scales DNA Read Classification to Whole-Body Cell-Type Deconvolution
Department of Oncology KU Leuven(鲁汶大学肿瘤学系)
针对细胞类型反卷积难题,提出数据驱动软标签估计读取的条件细胞类型分布,集成到新框架Syto,在人体39种细胞类型图谱上表现出色,为大型细胞类型面板建模奠基,软标签方案可用于多对多映射场景。
2026-10-21 cs.LG q-bio.GN q-bio.QM
BEETL-fastq: a searchable compressed archive for DNA reads
动机:FASTQ是DNA测序数据的标准文件格式,存储核苷酸和质量评分。一个典型的测序研究可以很容易地生成数百GB的FASTQ文件,而ENA和NCBI等公共档案以及癌症基因组图谱等大型国际合作可以以这种格式积累许多TB的数据。文本压缩工具,如gzip,通常用于减少存储负担,但有一个缺点,即数据必须在使用前解压缩。在这里,我们提出BEETL-fastq,一个工具,不仅压缩FASTQ格式的DNA读比gzip更复杂,但也允许快速搜索归档序列内的$k$聚体查询。重要的是,每个匹配的读段或读段对的完整FASTQ记录被返回,允许搜索结果被直接输送到接受FASTQ数据作为输入的许多标准工具中的任何一个。结果如下:我们表明,6.6 TB的人类读取FASTQ格式可以转换为1.7 TB的索引文件,从那里我们可以搜索1,10,100,1000,100万,分别在3,8,14,45和567秒加上20毫秒的30-mer的输出读取。搜索能力的有用的应用突出显示,包括结构变异断点的基因分型和“在硅片下拉”实验中,只有覆盖感兴趣的区域的读数被选择性地提取用于变异检测或可视化的目的。可用性:BEETL-fastq是BEETL库的一部分,可在git@github.com上作为github存储库获得:BEETL/BEETL.git。
2014-06-17 q-bio.GN
Supregraph: Enabling Information-Optimal Assembly Graph Representation of a Read Set
Department of Computer Science and Engineering, Pennsylvania State University(宾夕法尼亚州立大学计算机科学与工程系);Huck Institutes of the Life Sciences, Pennsylvania State University(宾夕法尼亚州立大学哈克生命科学学院)
本文提出一种新的装配图模型,通过迭代转换de Bruijn图来构建supregraphs,为理论最优的基因组组装提供基础。
2026-04-23 q-bio.GN
Graph Neural Networks for Microbial Genome Recovery
Aalborg University(奥尔堡大学)
微生物对我们的健康和环境有着深远的影响,但我们对微生物群落的多样性和功能的理解是非常有限的。通过微生物群落的DNA测序(宏基因组学),可以获得单个微生物的DNA片段(读段),其通过组装图可以组合成长的连续DNA序列(重叠群)。鉴于微生物群落的复杂性,很少获得单个重叠群微生物基因组。相反,重叠群最终聚集成箱,每个箱理想地构成完整的基因组。这个过程被称为宏基因组分箱。当前用于宏基因组分箱的最新技术仅依赖于单个重叠群的局部特征。因此,这些技术未能利用如由组装图编码的叠连群之间的相似性,其中叠连群被组织。在本文中,我们建议使用图神经网络(GNNs),以利用组装图时,学习重叠群表示宏基因组分箱。我们的方法VaeG-Bin结合了变分自编码器来学习单个重叠群的潜在表示,GNN通过考虑组装图中重叠群的邻域结构来改进这些表示。我们探索了几种类型的GNN,并证明了VaeG-Bin在模拟和真实数据集上比其他最先进的binner恢复了更多的高质量基因组。
2022-04-26 cs.LG q-bio.GN q-bio.QM
Improving transcriptome assembly through error correction of high-throughput sequence reads
在过去的几年里,通过使用转录组和RNAseq,功能基因组学的研究-特别是在非模式生物中的研究已经得到了显着的改善。虽然这些研究可能非常强大,但必须完成计算密集型程序-从头构建参考转录组,作为进一步分析的先决条件。准确的参考是至关重要的,因为所有下游步骤,包括估计转录本丰度,都严重依赖于准确参考的构建。虽然大量的研究已经做了组装,直到最近才有预组装程序进行了详细的研究。具体而言,已经报道了几种独立的纠错模块,并且虽然它们已经显示出在测序读数水平上有效地减少错误,但纠错如何影响组装准确性在很大程度上是未知的。在这里,我们通过使用模拟数据集表明,对测序读数应用错误校正对组装准确性具有显著的积极影响,将组装错误减少了近50%,因此应该应用于所有数据集。
2013-06-27 q-bio.GN
Efficient construction of the extended BWT from grammar-compressed DNA sequencing reads
我们提出了一个算法,用于建立扩展的BWT(eBWT)的字符串集合从其语法压缩表示。我们的技术利用语法捕获的字符串重复来提高eBWT的计算。因此,集合的重复性越高,每个输入符号使用的资源就越少。我们依赖于一个新的语法最近提出的DCC'21,其非终端作为积木诱导eBWT。这个想法的一个相关应用是构建用于分析测序读数的自索引-原始基因组数据的大量重复字符串集合。自索引在生物信息学中越来越受欢迎,因为它们可以在更少的空间中编码更多的信息。我们高效的eBWT构建为在更大规模的序列数据集上执行准确的生物信息学分析打开了大门,这些数据集不适合当前的eBWT构建技术。
2021-02-08 cs.DS q-bio.GN
A Graph Auto-Encoder for Haplotype Assembly and Viral Quasispecies Reconstruction
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
从通过DNA测序获得的数据重建基因组混合物的组分是在包括单个个体单体型分析和病毒群落研究的各种应用中遇到的具有挑战性的问题。高通量DNA测序平台对混合物组分进行过采样,以提供大量的读数,其相对位置可以通过将读数映射到已知的参考基因组来确定;然而,组件的组装需要发现读数的起源-现有方法难以以所需的准确度水平解决的NP难题。在本文中,我们提出了一个学习框架的基础上,图自动编码器,旨在利用测序数据的结构特性。该算法是一种神经网络,其基本上训练以忽略测序错误并推断测序读数来源的后验概率。然后通过找到确定源自相同基因组组分的读段的共有序列来重建混合物组分。现实的合成以及实验数据的结果表明,所提出的框架可靠地组装单倍型和重建病毒社区,往往显着优于国家的最先进的技术。
2019-11-13 cs.AI cs.LG q-bio.GN
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
Aligning sequence reads, clone sequences and assembly contigs with BWA-MEM
摘要:BWA-MEM是一种新的比对算法,用于将序列读数或长查询序列与大型参考基因组(如人类)进行比对。它自动选择局部和端到端比对,支持双端读取并执行嵌合比对。该算法对测序错误具有鲁棒性,并且适用于从70 bp到几兆碱基的宽范围的序列长度。对于定位100 bp序列,BWA-MEM显示出比迄今为止的几种最先进的读取比对器更好的性能。可用性和实施:BWA-MEM作为BWA的一个组成部分实施,可在http://github.com/lh3/bwa上查阅。联系方式:hengli@broadinstitute.org
2013-05-26 q-bio.GN
QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction
在这篇文章中,我们提出了QuASeR,一个无参考的DNA序列重建实现通过从头组装基于门和量子退火平台。实施的四个步骤(TSP,QUBO,Hamiltonians和QAOA)中的每一个都用简单的概念验证示例进行了解释,以独立的方式针对基因组学研究社区和量子应用程序开发人员。讨论了量子全栈加速器设计的各个层的实现细节。我们还强调了当前经典模拟和可用的量子硬件系统的局限性。该实现是开源的,可以在https://github.com/prince-ph0en1x/QuASeR上找到。
2020-04-10 cs.ET q-bio.GN quant-ph
Accelerating Seed Location Filtering in DNA Read Mapping Using a Commercial Compute-in-SRAM Architecture
本文利用 GSI Technology 的商用 Gemini SRAM 存内计算平台加速 Myers 位并行编辑距离算法,用于 DNA read 比对的种子位置预过滤,相对单核 CPU 平均加速 14.1 倍、最高 24.1 倍。
2024-01-22 cs.AR q-bio.GN
Meraculous2: fast accurate short-read assembly of large polymorphic genomes
我们提出了Meraculous 2,Meraculous 2是Meraculous短读组装程序的更新,包括(1)使用de Bruijn图中的“气泡”结构处理等位基因变异,(2)改进的缺口闭合,以及(3)改进的脚手架算法,该算法可以产生更完整的组装,而不会影响脚手架的准确性。新的并行实施的速度和带宽效率也得到了大幅提高,使人类基因组的组装在24小时内完成的JGI/NERSC Genepool系统。为了突出Meraculous 2的功能,我们在这里展示了二倍体人类基因组NA 12878的组装,并将其与以前发表的使用其他算法的相同数据的组装进行比较。Meraculous 2程序集显示出比其他已发布的程序集具有更好的完整性,连续性和准确性。实际的考虑,包括预组装分析的多态性和重复性。
2017-11-07 cs.DS q-bio.GN
GateKeeper: A New Hardware Architecture for Accelerating Pre-Alignment in DNA Short Read Mapping
动机:高通量DNA测序(HTS)技术会产生过多的小DNA片段(称为短读段),这会造成巨大的计算负担。为了分析整个基因组,数十亿个短读段中的每一个都必须基于读段和参考基因组中的“候选”位置之间的相似性映射到参考基因组。被称为比对的相似性测量被公式化为近似字符串匹配问题,是计算瓶颈,因为:(1)其使用二次时间动态编程算法来实现,以及(2)参考基因组中的大多数候选位置由于高相异度而不与给定读段比对。计算这种不正确的候选位置的对齐消耗了现代读映射器的绝大多数执行时间。因此,开发一种快速有效的过滤器至关重要,该过滤器可以检测不正确的候选位置,并在调用计算成本高的对齐操作之前消除它们。结果如下:我们提出了GateKeeper,这是一种新的硬件加速器,可以作为预对齐步骤,快速过滤出最不正确的候选位置。GateKeeper是第一个使用现场可编程门阵列(FPGA)加速预对准的设计,其执行预对准的速度比软件快得多。GateKeeper可以与任何执行序列比对以进行验证的映射器集成。当在单个FPGA芯片上实现时,GateKeeper保持高精度(平均>96%),同时提供高达90倍和130倍的加速,分别超过最先进的软件预对准技术,邻接滤波器和移位汉明距离(SHD)。添加GateKeeper作为预对齐步骤可以将mrFAST映射器的验证时间减少10倍。可用性:https://github.com/BilkentC…
2020-09-27 cs.AR cs.DS q-bio.GN
An algorithm for DNA read alignment on quantum accelerators
随着小规模量子处理器从实验物理实验室过渡到工业产品,这些处理器使我们能够有效地计算各个领域的重要算法。在本文中,我们提出了一个量子算法,以解决具有挑战性的大数据处理领域的基因组序列重建。本研究描述子序列比对的量子算法的架构感知实现。提出了一种基于汉明距离的近似模式匹配算法QiBAM(quantum indexed bidirectional associative memory)。QiBAM以两种方式扩展了Grover的搜索算法,以允许:(1)基因组学中读取错误所需的近似匹配,以及(2)在DNA序列的量子编码上分布式搜索多个解决方案。这种方法给出了一个二次加速比的经典算法。该算法的完整实现,并使用OpenQL编译器和QX模拟器框架进行验证。这代表了对全栈量子加速基因组测序管道设计的首次探索。开源实现可以在https://github.com/prince-ph0en1x/QAGS上找到。
2019-09-12 cs.ET q-bio.GN quant-ph