bi-interval匹配算法详解

一、参数说明

T=ACGTCTCGAGACGT

|T|=14

T[i]=第i个碱基

T[i,j]=第i到第j个碱基的字符串

Ti  整个的字符串

S：S（i）是第i小的数组的位置

B[i]=尾缀数组

C（a)共四个值，分别为C(A)C(C)C(G)C(T)    C(A)={0<=i<=n-1:T[i]<A} 的个数

O（a,i）=从B[]表从0~i中，a 的个数，大小为4*N

P·W表示:字符串P和W的直接连接

Pa 表示:字符串P和碱基a 的连接

P（上横线）表示P的补

 

二、算法举例

问题：reference：ACGTCTC；     read：GTC；

由read的T开始去匹配，那么在bi-interval模型中他是怎么实现的呢？

先对reference取反：TGCAGAG,再前后调换位置：GAGACGT

reference 右移：

1. ACGTCTCGAGACGT
2. TACGTCTCGAGACG
3. GTACGTCTCGAGAC
4. CGTACGTCTCGAGA
5. ACGTACGTCTCGAG
6. GACGTACGTCTCGA
7. AGACGTACGTCTCG
8. GAGACGTACGTCTC
9. CGAGACGTACGTCT
10. TCGAGACGTACGTC
11. CTCGAGACGTACGT
12. TCTCGAGACGTACG
13. GTCTCGAGACGTAC
14. CGTCTCGAGACGTA

排序：

1. ACGTACGTCTCGAG
2. ACGTCTCGAGACGT
3. AGACGTACGTCTCG
4. CGAGACGTACGTCT
5. CGTACGTCTCGAGA
6. CGTCTCGAGACGTA
7. CTCGAGACGTACGT
8. GACGTACGTCTCGA
9. GAGACGTACGTCTC
10. GTACGTCTCGAGAC
11. GTCTCGAGACGTAC
12. TACGTCTCGAGACG
13. TCGAGACGTACGTC
14. TCTCGAGACGTACG

BWT表建立完毕，从read（GTC）的中间碱基T开始匹配，其interval为：[12,1,3]。

• Backward匹配：

算法分析：

b从0~5表示$,0,1,2,3,4,N。先算出k上面有多少b，加上O(b)记为Kb，同事算出在[k,k+s]这个范围内，有多少b，记为Sb。

L递推求，L0与W的L相同，L4=L0+S0，L3=L4+S4，L2=L3+S3......

 

针对具体问题：T：bi-interval:[12,1,3]    a:G

K0=C（$~0）+O（0，11）=0   ;  S0=0 

K1=C（A~1）+O（1，11）=1+3=4  ;   S1=O（1，14）- O（1，11）=0（不存在）

K2=C（C~2）+O（2,，11）=4+3=7   ;   S2=O（2,13）- O（2,11）=1 （有1个）

K3=C（G~3）+O（3，11）=8+2=10  ； S3=O（3,13）-O（3，11）=2（有2个）

K4=C（T~4）+O（4，11）=12+3=15 ； S4=0    （不存在）

K5～没有奇异值，不算。

L0=L=1；

L4=L0+S0=1+0=1

L3=L4+S4=1(即A右边有C）

L2=L3+S3=1+2=3～即T的反变换:A右边有G的是第3行

L1=L2+S2=3+1=4～即T的反变换:A右边有T的是第4行。但s4=0，也是不存在

根据输入的a=G，则得到的bi-interval[k3,l2,s3]=[10,1,2]

• Forward匹配：
• 

Forward匹配要做的就是利用backward 的公式，改变输入参数，得到forward（向右）匹配的bi-interval结果。

1.首先：将a=C变成a（补）=G，

2.再将原bi-interval的k和l换位置，得到[1,10,2]。

这样就得到了一个新的backward匹配工作。

 

针对具体问题：GT（补）=AC，它的bi-interval是:[1,10,2] ;   a=C->a(补)=G

L0=C（$~0）+O（0，0）=0   ;  S0=0 

L1=C（A~1）+O（1，0）=1+0=1  ;   S1=O（1，2）- O（1，0）=0（不存在）

L2=C（C~2）+O（2,，0）=4+0=4   ;   S2=O（2,2）- O（2,0）=0 （不存在）

L3=C（G~3）+O（3，0）=8+0=8  ； S3=O（3,2）-O（3，0）=1（有1个）

L4=C（T~4）+O（4，0）=12+0=12 ； S4=O（4,2）-O（4，0）=1    （有1个）

L5～没有奇异值，不算。

K0=K=10；

k4=K0+S0=10+0=10(即GT右边有A）

k3=k4+S4=10+1=11(即GT右边有C）

K2=k3+S3=11+1=12～S2=0所以不存在

K1=K2+S2=12+0=12～S1=0所以不存在

根据输入的a=G，输出的时候，要调换K和L 的位置，则得到的bi-interval[k3,l3,s3]=[11,8,1]

匹配流程走完。