BWT算法在生物信息学中的应用(一)-算法的基本原理

BWT算法可以将原文本转换成相似文本，并且可以用其他技术进行压缩。
具体分为如下几个步骤：
编码：
1.循环移位
2.排序
3.输出最后一列，作为变换后的序列。
解码：
利用第一列和最后一列的关系，来还原出原始序列。

下面，以一段核酸序列作为例子，进行讲解，具体例子如下：
1. 假设原始序列如下图，我们在最后加入一个$表示结束位置。

2.进行循环移位，结果如下

3.进行排序，结果如下

4.最终，红色的序列L列作为我们的输出序列。后续数据压缩算法对L列进行压缩（这样的变换后，数据具有更好的压缩性能，具体原理，后续研究）。

解码：
解码规则按照下图中进行，具体有两个基本原则。
1.L列的第一个元素为原始序列的最后一个元素（因为$在该位置后面）。
2.F列中的每一个元素，都是其同一行中的L列的下一个元素。也就是L列是F列的前一个元素。
因此，我们可以根据L列得到倒序排列
L(0)[C] -> F(3)[C] -> L(3)[A] -> f(1)[A] -> L(1)[T] -> … …
最终得到序列 CATGCCA, 将该序列倒排过来，即得到初始序列ACCGTAC