×
帕纳吉奥蒂斯·查拉兰波普洛斯；马克西姆·克罗西莫尔；加布里埃尔·菲奇；罗伯特·梅尔卡什；Pissis，Solon P。

使用缺失单词进行无对齐序列比较。 （英语） Zbl 1400.68264号

Inf.计算。 262，第1部分，57-68（2018）.
摘要：序列比较是几乎所有比较基因组分析的先决条件。它通常是通过序列比对技术实现的，这种技术的计算成本很高。这导致了对无对齐技术的更多研究，该技术基于根据组成模式参考序列组成的测量。这些度量，例如（q）-gram距离，通常是根据序列的长度以时间线性方式计算的。在本文中，我们关注的是互补思想：如何基于序列中没有出现的信息有效地比较两个序列。单词是缺词如果它没有出现在序列中，那么它就属于某个序列。缺少的单词是最小值如果它的所有适当因素都出现在序列中。在这里，我们提出了第一个线性时间和线性空间算法，通过考虑全部的他们最少的缺席词。在此过程中，我们给出了组合感兴趣的结果，并将所提出的技术扩展到比较循环序列。我们还提出了一个算法，给定一个长度为（n）的单词\（x），计算该长度的所有因子都出现在时间和空间（mathcal{O}（n））中的最小缺失单词\（x\）中的最大整数。最后，我们证明了一个词的最小缺词数的已知渐近上界是紧的。

引用于1审查
引用于11文件

MSC公司：

68瓦32 字符串上的算法
68兰特 单词组合学
92D10型 遗传学和表观遗传学

关键词：

序列比较；缺词；禁止使用的词语；循环单词；q图

软件：

NINJA公司；emMAW公司；INDELible（索引）
PDF格式BibTeX公司 XML格式引用
\textit{P.Charalampopoulos}等人，《信息计算》。262，第1部分，57--68（2018；Zbl 1400.68264）
全文： 内政部 arXiv公司 链接

参考文献：

[1] 克罗西莫尔，M。；菲奇，G。；梅尔卡什，R。；Pissis，S.P.，使用最小缺失词和应用进行线性时间序列比较，（拉丁语，LNCS，第9644卷，（2016），施普林格-柏林-海德堡），334-346·Zbl 1475.68467号
[2] Vinga，S。；Almeida，J.，《无对齐序列比较综述》，生物信息学，19513-523，（2003）
[3] Domazet-Lošo，M。；Haubold，B.，基因组间成对距离的有效估计，生物信息学，25，24，3221-3227，（2009）
[4] 格罗西，R。；伊利奥普洛斯，C.S。；梅尔卡什，R。；北卡罗来纳州皮桑蒂。；Pissis，S.P。；Retha，A。；Vayani，F.，《循环序列比较：算法和应用》，《分子生物学算法》。，11, 12, (2016)
[5] 阿奎斯蒂，C。；Poste，G。；柯蒂斯博士。；Kumar，S.，Nullomers：真的是自然选择的问题吗？，《公共科学图书馆·综合》第2期、第10期（2017年）
[6] 贝亚尔，M。；偏头痛，F。；Restivo，A。；Sciortino，M.，《象征动力学中的禁忌词》，Adv.Appl。数学。，25, 2, 163-193, (2000) ·Zbl 0965.37014号
[7] 克罗西莫尔，M。；偏头痛，F。；Restivo，A.，Automata和禁语，Inf.Process。莱特。，67, 111-117, (1998) ·Zbl 1339.68145号
[8] 偏头痛，F。；Restivo，A。；Sciortino，M.，《词语和禁忌因素》，Theor。计算。科学。，273，1-299-117，（2002）·Zbl 0997.68093号
[9] Pinho，A.J。；费雷拉，P.J.S.G。；加西亚，S.P。；罗德里格斯，J.M.O.S.，《关于寻找最小缺失单词》，BMC生物信息。，10, 1, (2009)
[10] 福凯，H。；Ota，T。；Morita，H.，《关于快速且节省内存的抗衰退数组构造》（ISIT，（2012），IEEE），1092-1096
[11] 巴顿，C。；赫里奥，A。；穆沙尔。；Pissis，S.P.，使用后缀数组线性计算最小缺失单词，BMC Bioninform。，15, 388, (2014)
[12] 巴顿，C。；赫里奥，A。；Mouchard，L。；Pissis，S.P.，《平行计算最小缺失单词》（PPAM，LNCS，第9574卷，（2015）），243-253
[13] Belazzougui，D。；库尼亚尔，F。；Kärkkäinen，J。；Mäkinen，V.，双向Burrows-Wheeler变换的通用简洁表示，（ESA，LNCS，第8125卷，（2013）），133-144·Zbl 1394.68449号
[14] 赫里奥，A。；Pissis，S.P。；Puglishi，S.J.，Emmaw：计算外部记忆中的最小缺失单词，生物信息学，33，17，2746-2749，（2017）
[15] Chairungsee，S。；Crochemore，M.，用最少的缺失词建立系统发育，Theor。计算。科学。，450, 109-116, (2012) ·兹比尔1243.68332
[16] 克罗西莫尔，M。；赫里奥，A。；库切洛夫，G。；Mouchard，L。；Pissis，S.P。；Ramusat，Y.，《滑动窗口中的最小缺失词及其在线模式匹配应用》（FCT，LNCS，第10472卷，（2017），施普林格-柏林-海德堡），164-176·Zbl 1441.68301号
[17] Fici，G.，《最低限度的禁忌词和应用》（2006），马内拉瓦莱大学博士论文
[18] 克罗西莫尔，M。；Hancart，C。；Lecroq，T.，《字符串算法》，（2007），剑桥大学出版社，纽约州纽约市，美国·Zbl 1137.68060号
[19] 美国曼伯。；Myers，E.W.，后缀数组：一种在线字符串搜索的新方法，SIAM J.Comput。，22, 5, 935-948, (1993) ·Zbl 0784.68027号
[20] 农·G。；张，S。；Chan，W.H.，通过几乎纯诱导排序构建线性后缀数组，（DCC，（2009），IEEE），193-202
[21] Fischer，J.，《诱导LCP阵列》，（WADS，LNCS，第6844卷，（2011）），374-385·Zbl 1342.68108号
[22] Farach，M.，大字母的最佳后缀树构造，（FOCS，（1997）），137-143
[23] 费舍尔，J。；Heun，V.，静态数组上距离最小查询的空间效率预处理方案，SIAM J.Compute。，40, 2, 465-492, (2011) ·Zbl 1222.05024号
[24] 伊利。；纳瓦罗，G。；Tinta，L.，重温最长的常见扩展问题及其在近似字符串搜索中的应用，J.Discret。算法，8，4，418-428，（2010）·Zbl 1213.68719号
[25] G.Fici，A.Restivo，L.Rizzo，循环词的最小禁止因子，Theor。计算。科学。https://doi.org/10.1016/j.tcs.2018.05.037; G.Fici，A.Restivo，L.Rizzo，循环词的最小禁止因子，Theor。计算。科学。https://doi.org/10.1016/j.tcs.2018.05.037 ·Zbl 1405.68261号
[26] Ota，T。；Morita，H.，《关于有限字母表固定遍历源的通用抗衰落编码》（ISITA，（2014），IEEE），294-298
[27] 佩夫茨纳，P.A。；Tang，H。；Waterman，M.S.，《DNA片段组装的欧拉路径方法》，Proc。国家。阿卡德。科学。，98, 17, 9748-9753, (2001) ·Zbl 0993.92018号
[28] 菲奇，G。；偏头痛，F。；Restivo，A。；Sciortino，M.，通过最小禁止词进行单词组装，Theor。计算。科学。，359, 1, 214-230, (2006) ·Zbl 1097.68108号
[29] 伊利·L。；Smyth，W.F.，最小唯一子串和最大重复，Fundam。通知。，110, 1-4, 183-195, (2011) ·Zbl 1252.68360号
[30] 弗雷德曼，M.L。；Komlós，J。；Szemerédi，E.，存储具有O（1）最坏情况访问时间的稀疏表，J.ACM，31，3，538-544，（1984）·Zbl 0629.68068号
[31] 加博，H.N。；Tarjan，R.E.，不相交集并特殊情况下的线性时间算法，J.Compute。系统。科学。，30, 2, 209-221, (1985) ·Zbl 0572.68058号
[32] 巴顿，C。；Kociumaka，T。；刘，C。；Pissis，S.P。；Radoszewski，J.，索引加权序列：整洁高效，CoRR·Zbl 1436.68082号
[33] 加西亚，S.P。；Pinho，O.J。；罗德里格斯，J.M.O.S。；巴斯托斯，C.A.C。；Ferreira，P.J.S.G.，《原核生物和真核生物基因组中的最小缺失词》，《公共科学图书馆·综合》，6，（2011）
[34] Silva，R.M。；普拉塔斯，D。；卡斯特罗，L。；Pinho，A.J。；Ferreira，P.J.S.G.，埃博拉病毒基因组中发现的三个最小序列，人类DNA中缺失，生物信息学，31，15，2421-2425，（2015）
[35] 莫西格，A。；Hofacker，I.L。；Stadler，P.F.，循环序列的比较分析：类病毒和其他小循环rna，（GCB，LNI，第83卷，（2006）），93-102
[36] Goios，A.公司。；佩雷拉，L。；博格，M。；V·麦考利。；Amorim，A.，实验室小鼠菌株的Mtdna系统发育和进化，基因组研究，17，3，293-298，（2007）
[37] 巴顿，C。；伊利奥普洛斯，C.S。；R.昆都。；Pissis，S.P。；Retha，A。；Vayani，F.，《改进多个环形序列比对的准确有效方法》，（SEA，LNCS，第9125卷，（2015）），247-258·Zbl 1462.68244号
[38] 弗莱彻，W。；Yang，Z.，《不可磨灭：生物序列进化的灵活模拟器》，《分子生物学》。演变。，26, 8, 1879-1888, (2009)
[39] Wheeler，T.J.，《与NINJA合并的大规模社区》，（WABI，LNCS，第5724卷，（2009）），375-389
[40] 塞图，N。；Nei，M.，邻接法：重建系统发育树的新方法，分子生物学。演变。，4, 4, 406-425, (1987)
[41] Robinson博士。；Fould，L.，系统发育树比较，数学。生物科学。，53, 1-2, 131-147, (1981) ·Zbl 0451.92006号
[42] Maes，M.，关于循环串对串校正问题，Inf.Process。莱特。，35, 2, 73-78, (1990) ·Zbl 0697.68044号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。