一种分布式基因大数据存储平台
基本信息
| 申请号 | CN201810024030.4 | 申请日 | - |
| 公开（公告）号 | CN110120247A | 公开（公告）日 | 2019-08-13 |
| 申请公布号 | CN110120247A | 申请公布日 | 2019-08-13 |
| 分类号 | G16B30/00;G16B50/00;H03M7/30;H03M7/40 | 分类 | 物理 |
| 发明人 | 陈墩金;祁建明;周峻松;徐继峰 | 申请（专利权）人 | 广州明领基因科技有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 510610 广东省广州市天河区林和东路281号天伦控股大厦17层自编05单元 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种分布式基因大数据存储平台，涉及基因大数据压缩平台领域，该平台将输入FASTQ数据分割成元数据、碱基和质量分数三个数据流，并根据它们自身特点分别独立地压缩：去除元数据流中的重复片段并使用LZMA算法进行压缩；对质量分数流使用游程编码和算术编码压缩；使用匹配工具BWA将短读与参考基因组比对，提取比对结果中的碱基流表达信息并使用LZMA算法、游程编码、算术编码进行压缩；最后采用分布式框架将数据放在不同的数据节点中存储，既保证了数据的可靠性，同时增加了数据的安全性。该平台针对DNA序列本身具有的冗余性进行压缩，减少了压缩所需的存储空间。 |
