基于BWT的高性能编码器

IBB：面向长度多样DNA数据的快速Burrows-Wheeler变换构建

IBB: Fast Burrows-Wheeler Transform Construction for Length-Diverse DNA Data

提出新型外部算法IBB，通过右对齐、树结构和细粒度桶高效构建长度多样DNA数据的BWT，比现有最优算法快10%-40%且内存消耗具竞争力。

R-enum: Enumeration of Characteristic Substrings in BWT-runs Bounded Space

Enumerating characteristic substrings (e.g., maximal repeats, minimal unique substrings, and minimal absent words) in a given string has been an important research topic because there are a wide variety of applications in various areas such as string processing and computational biology. Although several enumeration algorithms for characteristic substrings have been proposed, they are not space-efficient in that their space-usage is proportional to the length of an input string. Recently, the run-length encoded Burrows-Wheeler transform (RLBWT) has attracted increased attention in string proce…

A New Class of Searchable and Provably Highly Compressible String Transformations

The Burrows-Wheeler Transform is a string transformation that plays a fundamental role for the design of self-indexing compressed data structures. Over the years, researchers have successfully extended this transformation outside the domains of strings. However, efforts to find non-trivial alternatives of the original, now 25 years old, Burrows-Wheeler string transformation have met limited success. In this paper we bring new lymph to this area by introducing a whole new family of transformations that have all the myriad virtues of the BWT: they can be computed and inverted in linear time, the…

游程Burrows-Wheeler变换的在线快速实现

A Faster Implementation of Online Run-Length Burrows-Wheeler Transform

行程长度编码Burrows-Wheeler变换字符串的行程长度BWT（RLBWT）是处理高度重复字符串的一个强大工具。提出了一种新的运行压缩空间下的在线RLBWT算法，该算法在$O(n\lg r)$时间和$O(r\lg n)$空间中运行，其中$n$是到目前为止接收到的输入串$S$的长度，$r$是反向$S$在BWT中的运行次数.我们改进了最先进的在线RLBWT算法的经验建设时间。采用动态链表来维护全序，通过动态链表中标签的直接比较，可以代替动态小波树中对游程压缩串的秩查询。各种基准测试的实验结果表明，我们的算法的效率，特别是对高度重复的字符串。

Burrows-Wheeler变换的局部可译码性

Local Decodability of the Burrows-Wheeler Transform

Burrows-Wheeler变换（BWT）是文本压缩和DNA存储领域最有影响力的发现之一。这是一个可逆的预处理步骤，将$n$ -字母字符串重新排列为相同字符的串（通过利用上下文重排序），从而产生高度可压缩的字符串，并且是\texttt{bzip}压缩程序的基础。可惜的是，BWT的解码过程本质上是顺序的，甚至检索一个\emph{single}字符也需要$Ω(n)$时间。研究了在给定文本的\emph{compressed} BWT下局部解码短子串的简洁数据结构问题，即，在\emph{Move-To-Front}（\texttt{bzip}）压缩上具有小的附加冗余$r$。著名的基于BWT的FM索引（FOCS '00）以及其它相关文献在要在$O(t)$时间中解码单个字符时产生$r=\tilde{O}(n/\sqrt{t})$比特的折衷。我们给出了一个近二次改进的$r=\tilde{O}(n\lg(t)/t)$。作为一个副产品，我们获得了一个\emph{exponential}（在$t$）的FM索引的冗余度的改进，用于计算压缩文本的模式匹配。在文本压缩为$n^{1-o(1)}$位的有趣的机制中，这些结果提供了$\exp(t)$ \emph{overall}空间减少。对于BWT的局部解码问题，我们还证明了“对称”数据结构的$Ω(n/t^2)$细胞探测下界。我们实现我们的主要结果通过设计一个压…

更快的缓存高效模式匹配用于确定性Wheeler泛基因组图

Faster Cache-Efficient Pattern Matching for Deterministic Wheeler Pangenome Graphs

针对Wheeler DFA模式匹配中I/O操作过多的问题，提出首个缓存友好算法，通过二分查找与顺序扫描结合减少I/O，在真实泛基因组图上速度提升达500倍。

具有少量Burrows-Wheeler变换游程的后继右特殊字符串

Successor-bispecial strings with minimum Burrows--Wheeler transform runs

研究字母表上后继右特殊字符串的最小BWT游程数，构造了阶为3的显式族，其游程数为σ²+2，并分析了χ/r比值的界。

广义 de Bruijn 词、可逆项链与 Burrows–Wheeler 变换

Generalized De Bruijn Words, Invertible Necklaces, and the Burrows-Wheeler Transform

本文定义广义 de Bruijn 词与可逆项链，证明其分别对应广义 de Bruijn 图 Hamilton 圈和有限域正规基，并建立二者间的代数对应。