Sažimanje genoma korištenjem referentnog genoma

završni rad

• Naslov (engleski): Referential genome compression
• Autor: Kristijan Čeple
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Ivica Botički (član povjerenstva)
• Član povjerenstva: Fran Tonković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

HiRGC je algoritam referencijske kompresije genoma iz 2017. Prije kompresiranja DNA sekvence kao string, prvo se DNA string preprocesira, uzimajuci u obzir određena 'građena' svojstva, kvalitete i odlike DNA sekvenci koji proizlaze iz njihove strukture i funkcije. Jedan takav način je spremiti DNA u vremenski sortiranoj listi sličnosti i razlika izmedu jedne referentne sekvence i druge(ili više!) ciljnih sekvenci.

Ovo je moguće zbog toga što su DNA sekvence međusobno u ljudi 99.9% slične, te algoritam iskorištava ovo svojstvo. Nakon što je DNA procesiran i spremljen na ovaj način, možemo ponovo na vrh ovoga novoga stringa koristiti tradicionalne metode kompresiranja stringova.

Konačan rezultat je spektakularan - npr. DNA ljudski genom se kompresira sa neka 3 GB dolje na jedan file od 200-300 MB.

Link na gitlab repozitorij:
https://gitlab.com/kristijan_ceple/hash-based-referential-genome-compression

Sažetak (engleski)

HiRGC is a 2017 genome compression algorithm. Before compressing the DNA sequences as raw textual data, one can first pursue certain DNA qualities to enhance the compression before-hand the traditional text compression methods. One such way is to process and store the sequences as a list of similarities and differences between a reference sequence, and 1(or more!) target sequences. Human DNA is mutually(between 2 units) 99.9% similar, and this algorithm takes advantage of that. After the DNA is processed in such a manner, it can then be converted using traditional text compression methods. This produces outstanding results – such as reducing a ~3GB human genome into a 200-300MB file.

The link to the gitlab repository:
https://gitlab.com/kristijan_ceple/hash-based-referential-genome-compression

• Ključne riječi: HiRGC; DNA; kompresija; dekompresija; sličnosti; genom; gen; geni; brzina; performanse; performansa; veličina; memorija; vrijeme; RAM; tehnologija; hardver; softver; hardware; software; big data; bioinformatika; računarska biologija
• Ključne riječi (engleski): HiRGC; DNA; compression; decompression; similarity; genome; gene; genes; speed; performance; size; memory; time; RAM; technology; hardware; software; storage; big data; bioinformatics; biology; Computational biology
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:763324
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:38:48