知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-09-28
(54)【発明の名称】ソフトウェアで加速されたゲノムリードマッピング
(51)【国際特許分類】
G16B 30/10 20190101AFI20230921BHJP
【ＦＩ】
G16B30/10
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022576163
(86)(22)【出願日】2021-09-15
(85)【翻訳文提出日】2022-12-09
(86)【国際出願番号】 US2021050557
(87)【国際公開番号】W WO2022060910
(87)【国際公開日】2022-03-24
(31)【優先権主張番号】63/078,890
(32)【優先日】2020-09-15
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＢＬＵＥＴＯＯＴＨ
２．ＷＣＤＭＡ
(71)【出願人】
【識別番号】500358711
【氏名又は名称】イルミナ インコーポレイテッド
(74)【代理人】
【識別番号】100108453
【弁理士】
【氏名又は名称】村山 靖彦
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100133400
【弁理士】
【氏名又は名称】阿部 達彦
(72)【発明者】
【氏名】ギヨーム・アレクサンドル・パスカル・リツク
(57)【要約】
ソフトウェアで加速されたゲノムデータリードマッピングのための方法、システム、装置、及びコンピュータプログラムが開示される。一態様では、方法は、ゲノムデータリードからｋ－ｍｅｒシードを取得することと、取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することと、ハッシュデータ構造を使用してｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所を決定することであって、ハッシュデータ構造が、所定のゲノムシグネチャーを記憶する第１の部分と、所定のゲノムシグネチャーが導出されたｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現に対応する値を記憶する第２の部分とを含むＮ個のデータセルを含む、ことと、１つ以上のアライメントスコアに基づいて、決定した参照配列箇所を、取得したｋ－ｍｅｒシードの実際のアライメントとして選択することと、のアクションを含むことができる。
【特許請求の範囲】
【請求項1】
ソフトウェアで加速されたゲノムデータリードマッピングのための方法であって、１つ以上のコンピュータによって、ゲノムデータリードからｋ－ｍｅｒシードを取得することと、
前記１つ以上のコンピュータによって、前記取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することと、
１つ以上のコンピュータによって、ハッシュデータ構造を使用して前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所を決定することであって、前記ハッシュデータ構造が、所定のゲノムシグネチャーを記憶する第１の部分と、前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現に対応する値を記憶する第２の部分とを含むＮ個のデータセルを含む、ことと、
１つ以上のコンピュータによって、１つ以上のアライメントスコアに基づいて、前記決定した参照配列箇所を前記取得したｋ－ｍｅｒシードの実際のアライメントとして選択することと、を含む、方法。
【請求項2】
前記所定のゲノムシグネチャーが、メモリ記憶の１バイトを占める、請求項１に記載の方法。
【請求項3】
前記値が、メモリ記憶の４バイトを占める、請求項１又は２に記載の方法。
【請求項4】
前記ハッシュデータ構造が、Ｎ個のデータセルの単一のアレイである、請求項１～３のいずれか一項に記載の方法。
【請求項5】
１つ以上のコンピュータによって、前記ゲノムデータリードの１つ以上のｋ－ｍｅｒシードに対応する第１の値のセットに基づいて、前記ゲノムデータリードをフィルタリングすることを更に含む、請求項１～４のいずれか一項に記載の方法。
【請求項6】
前記第１の値のセットが、前記ゲノムデータリードの前記１つ以上のｋ－ｍｅｒシードに適用された所定の動作の結果を含み、前記第１の値のセットが、前記ゲノムデータリードから前記ｋ－ｍｅｒシードを取得するために使用される、請求項５に記載の方法。
【請求項7】
前記所定の動作が、前記ゲノムデータリードの前記１つ以上のｋ－ｍｅｒシード及びハッシュ関数に基づいてハッシュ値を生成することを含む、請求項６に記載の方法。
【請求項8】
前記参照配列箇所を決定することが、１つ以上のコンピュータによって、前記ゲノムデータリードの前記ｋ－ｍｅｒシードのための第１の位置を計算することであって、前記第１の位置が、前記ゲノムデータリード内の前記ｋ－ｍｅｒシードの箇所に対応する、ことと、
１つ以上のコンピュータによって、前記ｋ－ｍｅｒシードのための第２の位置を計算することであって、前記第２の位置が、参照ゲノムデータ内の前記ｋ－ｍｅｒシードの箇所に対応し、前記第２の位置が、前記ハッシュデータ構造に基づいて計算される、ことと、を含む、請求項１～７のいずれか一項に記載の方法。
【請求項9】
１つ以上のコンピュータによって、前記ハッシュデータ構造及び前記ゲノムデータリードに基づいて前記１つ以上の参照配列箇所をソーティングすることを更に含む、請求項１～８のいずれか一項に記載の方法。
【請求項10】
１つ以上のコンピュータによって、前記１つ以上の参照配列箇所をソーティングすることに基づいて前記１つ以上のアライメントスコアを生成することを更に含む、請求項１～９のいずれか一項に記載の方法。
【請求項11】
前記決定した参照配列箇所のうちの少なくとも１つを前記取得したｋ－ｍｅｒシードの前記実際のアライメントとして選択することが、前記１つ以上のアライメントスコアを閾値と比較することを含む、請求項１～１０のいずれか一項に記載の方法。
【請求項12】
前記１つ以上のアライメントスコアが、前記ゲノムデータリードからの前記取得したｋ－ｍｅｒシードと前記参照配列箇所との間のミスマッチの数を表す数値を含む、請求項１～１１のいずれか一項に記載の方法。
【請求項13】
前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現後の各後続の出現は破棄される、請求項１～１２のいずれか一項に記載の方法。
【請求項14】
ソフトウェアで加速されたゲノムデータリードマッピングのためのシステムであって、方法は、１つ以上のコンピュータと、
前記１つ以上のコンピュータによって実行されると、前記１つ以上のコンピュータに動作を実行させる命令を記憶する１つ以上のメモリデバイスと、を含み、前記動作は、
前記１つ以上のコンピュータによって、ゲノムデータリードからｋ－ｍｅｒシードを取得することと、
前記１つ以上のコンピュータによって、前記取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することと、
前記１つ以上のコンピュータによって、ハッシュデータ構造を使用して前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所を決定することであって、前記ハッシュデータ構造が、所定のゲノムシグネチャーを記憶する第１の部分と、前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現に対応する値を記憶する第２の部分とを含むＮ個のデータセルを含む、ことと、
前記１つ以上のコンピュータによって、１つ以上のアライメントスコアに基づいて、前記決定した参照配列箇所を前記取得したｋ－ｍｅｒシードの実際のアライメントとして選択することと、を含む、システム。
【請求項15】
前記所定のゲノムシグネチャーが、メモリ記憶の１バイトを占める、請求項１４に記載のシステム。
【請求項16】
前記値が、メモリ記憶の４バイトを占める、請求項１４又は１５に記載のシステム。
【請求項17】
前記ハッシュデータ構造が、Ｎ個のデータセルの単一のアレイである、請求項１４～１６のいずれか一項に記載のシステム。
【請求項18】
前記動作が、前記１つ以上のコンピュータによって、前記ゲノムデータリードの１つ以上のｋ－ｍｅｒシードに対応する第１の値のセットに基づいて、前記ゲノムデータリードをフィルタリングすることを更に含む、請求項１４～１７のいずれか一項に記載のシステム。
【請求項19】
前記第１の値のセットが、前記ゲノムデータリードの前記１つ以上のｋ－ｍｅｒシードに適用された所定の動作の結果を含み、前記第１の値のセットが、前記ゲノムデータリードから前記ｋ－ｍｅｒシードを取得するために使用される、請求項１８に記載のシステム。
【請求項20】
前記所定の動作が、前記ゲノムデータリードの前記１つ以上のｋ－ｍｅｒシード及びハッシュ関数に基づいてハッシュ値を生成することを含む、請求項１９に記載のシステム。
【請求項21】
前記参照配列箇所を決定することが、前記１つ以上のコンピュータによって、前記ゲノムデータリードの前記ｋ－ｍｅｒシードのための第１の位置を計算することであって、前記第１の位置が、前記ゲノムデータリード内の前記ｋ－ｍｅｒシードの箇所に対応する、ことと、
前記１つ以上のコンピュータによって、前記ｋ－ｍｅｒシードのための第２の位置を計算することであって、前記第２の位置が、参照ゲノムデータ内の前記ｋ－ｍｅｒシードの箇所に対応し、前記第２の位置が、前記ハッシュデータ構造に基づいて計算される、ことと、を含む、請求項１４～２０のいずれか一項に記載のシステム。
【請求項22】
前記動作が、前記１つ以上のコンピュータによって、前記ハッシュデータ構造及び前記ゲノムデータリードに基づいて前記１つ以上の参照配列箇所をソーティングすることを更に含む、請求項１４～２１のいずれか一項に記載のシステム。
【請求項23】
前記動作が、１つ以上のコンピュータによって、前記１つ以上の参照配列箇所をソーティングすることに基づいて前記１つ以上のアライメントスコアを生成することを更に含む、請求項１４～２２のいずれか一項に記載のシステム。
【請求項24】
前記決定した参照配列箇所のうちの少なくとも１つを前記取得したｋ－ｍｅｒシードの前記実際のアライメントとして選択することが、前記１つ以上のアライメントスコアを閾値と比較することを含む、請求項１４～２３のいずれか一項に記載のシステム。
【請求項25】
前記１つ以上のアライメントスコアが、前記ゲノムデータリードからの前記取得したｋ－ｍｅｒシードと前記参照配列箇所との間のミスマッチの数を表す数値を含む、請求項１４～２４のいずれか一項に記載のシステム。
【請求項26】
前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現後の各後続の出現は破棄される、請求項１４～２５のいずれか一項に記載のシステム。
【請求項27】
１つ又は複数のコンピュータによって実行されると、１つ以上のコンピュータにソフトウェアで加速されたゲノムデータリードマッピングのための動作を実行させる命令を記憶するコンピュータ可読媒体であって、前記動作は、ゲノムデータリードからｋ－ｍｅｒシードを取得することと、
前記取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することと、
ハッシュデータ構造を使用して前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所を決定することであって、前記ハッシュデータ構造が、所定のゲノムシグネチャーを記憶する第１の部分と、前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現に対応する値を記憶する第２の部分とを含むＮ個のデータセルを含む、ことと、
１つ以上のアライメントスコアに基づいて、前記決定した参照配列箇所を前記取得したｋ－ｍｅｒシードの実際のアライメントとして選択することと、を含む、コンピュータ可読媒体。
【請求項28】
前記所定のゲノムシグネチャーが、メモリ記憶の１バイトを占める、請求項２７に記載のコンピュータ可読媒体。
【請求項29】
前記値が、メモリ記憶の４バイトを占める、請求項２７又は２８に記載のコンピュータ可読媒体。
【請求項30】
前記ハッシュデータ構造が、Ｎ個のデータセルの単一のアレイである、請求項２７～２９のいずれか一項に記載のコンピュータ可読媒体。
【請求項31】
前記動作が、前記ゲノムデータリードの１つ以上のｋ－ｍｅｒシードに対応する第１の値のセットに基づいて、前記ゲノムデータリードをフィルタリングすることを更に含む、請求項２７～３０のいずれか一項に記載のコンピュータ可読媒体。
【請求項32】
前記第１の値のセットが、前記ゲノムデータリードの前記１つ以上のｋ－ｍｅｒシードに適用された所定の動作の結果を含み、前記第１の値のセットが、前記ゲノムデータリードから前記ｋ－ｍｅｒシードを取得するために使用される、請求項３１に記載のコンピュータ可読媒体。
【請求項33】
前記参照配列箇所を決定することが、前記ゲノムデータリードの前記ｋ－ｍｅｒシードのための第１の位置を計算することであって、前記第１の位置が、前記ゲノムデータリード内の前記ｋ－ｍｅｒシードの箇所に対応する、ことと、
前記ｋ－ｍｅｒシードのための第２の位置を計算することであって、前記第２の位置が、参照ゲノムデータ内の前記ｋ－ｍｅｒシードの箇所に対応し、前記第２の位置が、前記ハッシュデータ構造に基づいて計算される、ことと、を含む、請求項２７～３２のいずれか一項に記載のコンピュータ可読媒体。
【請求項34】
前記動作が、前記ハッシュデータ構造及び前記ゲノムデータリードに基づいて前記１つ以上の参照配列箇所をソーティングすることを更に含む、請求項２７～３３のいずれか一項に記載のコンピュータ可読媒体。
【請求項35】
前記動作が、前記１つ以上の参照配列箇所をソーティングすることに基づいて前記１つ以上のアライメントスコアを生成することを更に含む、請求項２７～３４のいずれか一項に記載のコンピュータ可読媒体。
【請求項36】
前記決定した参照配列箇所のうちの少なくとも１つを前記取得したｋ－ｍｅｒシードの前記実際のアライメントとして選択することが、前記１つ以上のアライメントスコアを閾値と比較することを含む、請求項２７～３５のいずれか一項に記載のコンピュータ可読媒体。
【請求項37】
前記１つ以上のアライメントスコアが、前記ゲノムデータリードからの前記取得したｋ－ｍｅｒシードと前記参照配列箇所との間のミスマッチの数を表す数値を含む、請求項２７～３６のいずれか一項に記載のコンピュータ可読媒体。
【請求項38】
前記所定のゲノムシグネチャーが導出された前記ｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現後の各後続の出現は破棄される、請求項２７～３７のいずれか一項に記載のコンピュータ可読媒体。
【請求項39】
ソフトウェアで加速されたゲノムデータリードマッピングのためのハッシュテーブルを生成するための方法であって、１つ以上のコンピュータによって、ゲノムデータを受信することであって、前記ゲノムデータが、親ゲノムデータから導出される、ことと、
前記１つ以上のコンピュータによって、前記ゲノムデータに基づいて第１の値のセットを生成することと、
１つ以上のコンピュータによって、前記第１の値のセットに基づいて前記ゲノムデータのサブセットを生成することと、
１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのシグネチャーを計算することであって、前記シグネチャーが、第１のハッシュ関数に基づいて計算される、ことと、
１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのインデックスを計算することであって、前記インデックスが、第２のハッシュ
関数に基づいて計算される、ことと、
１つ以上のコンピュータによって、
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記インデックスに基づいて前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記シグネチャー及び第１の属性をハッシュデータ構造内に記憶することと、を含む、方法。
【請求項40】
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒが、１つ以上のヌクレオチドのストリングを表すｋ個の文字を含むｋ－ｍｅｒである、請求項３９に記載の方法。
【請求項41】
前記第１の値のセットが、前記ゲノムデータの所与のｋ－ｍｅｒが前記親ゲノムデータ内で出現する回数の表現を含む、請求項３９又は４０に記載の方法。
【請求項42】
前記第１の値のセットが、前記ゲノムデータの対応するｋ－ｍｅｒに基づいて計算されたハッシュ値の表現を含む、請求項３９～４１のいずれか一項に記載の方法。
【請求項43】
前記サブセットの所与のｋ－ｍｅｒの前記シグネチャーを記憶するために使用されるメモリ割り当てサイズが、前記所与のｋ－ｍｅｒを記憶するために使用されるメモリ割り当てサイズよりも小さい、請求項３９～４２のいずれか一項に記載の方法。
【請求項44】
前記方法が、前記１つ以上のコンピュータによって、前記ハッシュデータ構造に対応するデータをデータパッケージとして第１のデバイスに送信することを更に含む、請求項３９～４３のいずれか一項に記載の方法。
【請求項45】
前記第１のデバイスが、メモリ記憶デバイスである、請求項４４に記載の方法。
【請求項46】
第２のデバイスが、前記ハッシュデータ構造に対応する前記データを前記第１のデバイスから読み取り、前記第２のデバイスが、前記ハッシュデータ構造に対応する前記データに基づいて第２のハッシュデータ構造を生成する一連の動作を実行する、請求項４４又は請求項４５に記載の方法。
【請求項47】
ソフトウェアで加速されたゲノムデータリードマッピングのためのハッシュテーブルを生成するためのシステムであって、１つ以上のコンピュータと、
前記１つ以上のコンピュータによって実行されると、前記１つ以上のコンピュータに動作を実行させる命令を記憶する１つ以上のメモリと、を含み、前記動作は、
前記１つ以上のコンピュータによって、ゲノムデータを受信することであって、前記ゲノムデータが、親ゲノムデータから導出される、ことと、
前記１つ以上のコンピュータによって、前記ゲノムデータに基づいて第１の値のセットを生成することと、
前記１つ以上のコンピュータによって、前記第１の値のセットに基づいて前記ゲノムデータのサブセットを生成することと、
前記１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのシグネチャーを計算することであって、前記シグネチャーが、第１のハッシュ関数に基づいて計算される、ことと、
前記１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための第１の属性を計算することであって、前記第１の属性が、前記ゲノムデータの配列内での前記ゲノムデータの所与のｋ－ｍｅｒの位置を含む、ことと、
前記１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのインデックスを計算することであって、前記インデックスが、第２のハッシュ関数に基づいて計算される、ことと、
前記１つ以上のコンピュータによって、前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記インデックスに基づいて前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記シグネチャー及び第１の属性をハッシュデータ構造内に記憶することと、を含む、システム。
【請求項48】
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒが、１つ以上のヌクレオチドのストリングを表すｋ個の文字を含むｋ－ｍｅｒである、請求項４７に記載のシステム。
【請求項49】
前記第１の値のセットが、前記ゲノムデータの所与のｋ－ｍｅｒが前記親ゲノムデータ内で出現する回数の表現を含む、請求項４７又は４８に記載のシステム。
【請求項50】
前記第１の値のセットが、前記ゲノムデータの対応するｋ－ｍｅｒに基づいて計算されたハッシュ値の表現を含む、請求項４７～４９のいずれか一項に記載のシステム。
【請求項51】
前記サブセットの所与のｋ－ｍｅｒの前記シグネチャーを記憶するために使用されるメモリ割り当てサイズが、前記所与のｋ－ｍｅｒを記憶するために使用されるメモリ割り当てサイズよりも小さい、請求項４７～５０のいずれか一項に記載のシステム。
【請求項52】
前記動作が、前記１つ以上のコンピュータによって、前記ハッシュデータ構造に対応するデータをデータパッケージとして第１のデバイスに送信することを更に含む、請求項４７～５１のいずれか一項に記載のシステム。
【請求項53】
前記第１のデバイスが、メモリ記憶デバイスである、請求項５２に記載のシステム。
【請求項54】
第２のデバイスが、前記ハッシュデータ構造に対応する前記データを前記第１のデバイスから読み取り、前記第２のデバイスが、前記ハッシュデータ構造に対応する前記データに基づいて第２のハッシュデータ構造を生成する一連の動作を実行する、請求項５２又は請求項５３に記載のシステム。
【請求項55】
１つ以上のコンピュータによって実行されると、前記１つ以上のコンピュータにソフトウェアで加速されたゲノムデータリードマッピングのためのハッシュテーブルを生成するための動作を実行させる命令を記憶するコンピュータ可読媒体であって、前記動作は、ゲノムデータを受信することであって、前記ゲノムデータが、親ゲノムデータから導出される、ことと、
前記ゲノムデータに基づいて第１の値のセットを生成することと、
前記第１の値のセットに基づいて前記ゲノムデータのサブセットを生成することと、
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのシグネチャーを計算することであって、前記シグネチャーが、第１のハッシュ関数に基づいて計算される、ことと、
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための第１の属性を計算することであって、前記第１の属性が、前記ゲノムデータの配列内での前記ゲノムデータの所与のｋ－ｍｅｒの位置を含む、ことと、
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのためのインデックスを計算することであって、前記インデックスが、第２のハッシュ関数に基づいて計算される、ことと、
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記インデックスに基づいて前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒのための前記シグネチャー及び第１の属性をハッシュデータ構造内に記憶することと、を含む、コンピュータ可読媒体。
【請求項56】
前記ゲノムデータの前記サブセットの各ｋ－ｍｅｒが、１つ以上のヌクレオチドのストリングを表すｋ個の文字を含むｋ－ｍｅｒである、請求項５５に記載のコンピュータ可読媒体。
【請求項57】
前記第１の値のセットが、前記ゲノムデータの所与のｋ－ｍｅｒが前記親ゲノムデータ内で出現する回数の表現を含む、請求項５５又は５６に記載のコンピュータ可読媒体。
【請求項58】
前記第１の値のセットが、前記ゲノムデータの対応するｋ－ｍｅｒに基づいて計算されたハッシュ値の表現を含む、請求項５５～５７のいずれか一項に記載のコンピュータ可読媒体。
【請求項59】
前記サブセットの所与のｋ－ｍｅｒの前記シグネチャーを記憶するために使用されるメモリ割り当てサイズが、前記所与のｋ－ｍｅｒを記憶するために使用されるメモリ割り当てサイズよりも小さい、請求項５５～５８のいずれか一項に記載のコンピュータ可読媒体。
【請求項60】
前記動作が、前記ハッシュデータ構造に対応するデータをデータパッケージとして第１のデバイスに送信することを更に含む、請求項５５～５９のいずれか一項に記載のコンピュータ可読媒体。
【請求項61】
前記第１のデバイスが、メモリ記憶デバイスである、請求項６０に記載のコンピュータ可読媒体。
【請求項62】
第２のデバイスが、前記ハッシュデータ構造に対応する前記データを前記第１のデバイスから読み取り、前記第２のデバイスが、前記ハッシュデータ構造に対応する前記データに基づいて第２のハッシュデータ構造を生成する一連の動作を実行する、請求項６０又は請求項６１に記載のコンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本出願は、２０２０年９月１５日に出願された米国特許出願第６３／０７８，８９０号の優先権を主張し、この出願は、参照によりその全体が組み込まれる。
【背景技術】
【0002】
ゲノムリードマッピングは、場合によっては、遺伝子の遺伝子座及び遺伝子間の距離を特定する方法を説明する。コンピュータを使用して、ゲノムデータの１つ以上のセットを分析し、一連のヌクレオチドなどの分子マーカーの集合体を所与の参照ゲノム上でのそれぞれの位置と互いに関係付けることができる。このように、コンピュータを使用して、分子マーカーの集合体を参照ゲノム上に「マッピング」することができる。
【発明の概要】
【課題を解決するための手段】
【0003】
本開示は、ソフトウェアで加速されたゲノムリードマッピングのための方法、システム、及びコンピュータプログラムを対象とする。一態様では、本開示は、ソフトウェアで加速されたゲノムリードマッピングを容易にするハッシュテーブルの生成に関する。ハッシュテーブルは、ゲノムデータシグネチャーを使用してインデックス付けされた参照ゲノムを表すデータを含むことができる。いくつかの実装形態では、生成されたハッシュテーブルを使用して、受信されたゲノムリードと参照ゲノムとの間のマッピングを決定することができる。
【0004】
本開示の革新的な一態様によれば、ソフトウェアで加速されたゲノムデータリードマッピングのための方法が開示される。一態様では、方法は、１つ以上のコンピュータによって、ゲノムデータリードからｋ－ｍｅｒシードを取得することと、１つ以上のコンピュータによって、取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することと、１つ以上のコンピュータによって、ハッシュデータ構造を使用してｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所を決定することであって、ハッシュデータ構造が、所定のゲノムシグネチャーを記憶する第１の部分と、所定のゲノムシグネチャーが導出されたｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現に対応する値を記憶する第２の部分とを含むＮ個のデータセルを含む、ことと、１つ以上のコンピュータによって、１つ以上のアライメントスコアに基づいて、決定した参照配列箇所を、取得したｋ－ｍｅｒシードの実際のアライメントとして選択することと、のアクションを含むことができる。
【0005】
他のバージョンとしては、前述の方法のアクションを実行するように構成されている、対応するシステム、装置、及びコンピュータプログラムが挙げられる。
【0006】
これらの及び他のバージョンは、任意選択で、以下の特徴のうちの１つ以上を含んでもよい。例えば、いくつかの実装形態では、所定のゲノムシグネチャーは、メモリ記憶の１バイトのみを占めることができる。
【0007】
いくつかの実装形態では、この値は、メモリ記憶の４バイトのみを占めることができる。
【0008】
いくつかの実装形態では、ハッシュデータ構造は、Ｎ個のデータセルの単一のアレイである。
【0009】
いくつかの実装形態では、方法は、１つ以上のコンピュータによって、ゲノムデータリードの１つ以上のｋ－ｍｅｒシードに対応する第１の値のセットに基づいて、ゲノムデータリードをフィルタリングすることを更に含むことができる。
【0010】
いくつかの実装形態では、第１の値のセットは、ゲノムデータリードの１つ以上のｋ－ｍｅｒシードに適用された所定の動作の結果を含むことができ、第１の値のセットは、ゲノムデータリードからｋ－ｍｅｒシードを取得するために使用される。
【0011】
いくつかの実装形態では、所定の動作は、ゲノムデータリードの１つ以上のｋ－ｍｅｒシード及びハッシュ関数に基づいてハッシュ値を生成することを含むことができる。
【0012】
いくつかの実装形態では、参照配列箇所を決定することは、１つ以上のコンピュータによって、ゲノムデータリードのｋ－ｍｅｒシードのための第１の位置を計算することであって、第１の位置が、ゲノムデータリード内のｋ－ｍｅｒシードの箇所に対応する、ことと、１つ以上のコンピュータによって、ｋ－ｍｅｒシードのための第２の位置を計算することであって、第２の位置が、参照ゲノムデータ内のｋ－ｍｅｒシードの箇所に対応し、第２の位置が、ハッシュデータ構造に基づいて計算される、ことと、を含むことができる。
【0013】
いくつかの実装形態では、方法は、１つ以上のコンピュータによって、ハッシュデータ構造及びゲノムデータリードに基づいて１つ以上の参照配列箇所をソーティングすることを更に含むことができる。
【0014】
いくつかの実装形態では、方法は、１つ以上のコンピュータによって、１つ以上の参照配列箇所をソーティングすることに基づいて１つ以上のアライメントスコアを生成することを更に含むことができる。
【0015】
いくつかの実装形態では、方法は、決定した参照配列箇所のうちの少なくとも１つを、取得したｋ－ｍｅｒシードの実際のアライメントとして選択することが、１つ以上のアライメントスコアを閾値と比較することを含むこと、を更に含むことができる。
【0016】
いくつかの実装形態では、方法は、１つ以上のアライメントスコアが、ゲノムデータリードから取得したｋ－ｍｅｒシードと参照配列箇所との間のミスマッチの数を表す数値を含むことを更に含むことができる。
【0017】
いくつかの実装形態では、所定のゲノムシグネチャーが導出されたｋ－ｍｅｒシードの少なくとも一部と一致する参照配列箇所の第１の出現後の各後続の出現は破棄される。
【0018】
本開示の革新的な別の態様によれば、ソフトウェアで加速されたゲノムデータリードマッピングのためのハッシュテーブルを生成するための方法が開示される。一態様では、方法は、１つ以上のコンピュータによって、ゲノムデータを受信することであって、ゲノムデータが、親ゲノムデータから導出される、ことと、１つ以上のコンピュータによって、ゲノムデータに基づいて第１の値のセットを生成することと、１つ以上のコンピュータによって、第１の値のセットに基づいてゲノムデータのサブセットを生成することと、１つ以上のコンピュータによって、ゲノムデータのサブセットの各ｋ－ｍｅｒのためのシグネチャーを計算することであって、シグネチャーが、第１のハッシュ関数に基づいて計算される、ことと、１つ以上のコンピュータによって、ゲノムデータのサブセットの各ｋ－ｍｅｒのための第１の属性を計算することであって、第１の属性が、ゲノムデータの配列内でのゲノムデータの所与のｋ－ｍｅｒの位置を含む、ことと、１つ以上のコンピュータによって、ゲノムデータのサブセットの各ｋ－ｍｅｒのためのインデックスを計算することであって、インデックスが、第２のハッシュ関数に基づいて計算される、ことと、１つ以上のコンピュータによって、ゲノムデータのサブセットの各ｋ－ｍｅｒのためのインデックスに基づいてゲノムデータのサブセットの各ｋ－ｍｅｒのためのシグネチャー及び第１の属性をハッシュデータ構造内に記憶することと、のアクションを含むことができる。
【0019】
他のバージョンとしては、前述の方法のアクションを実行するように構成されている、対応するシステム、装置、及びコンピュータプログラムが挙げられる。
【0020】
これらの及び他のバージョンは、任意選択で、以下の特徴のうちの１つ以上を含んでもよい。例えば、いくつかの実装形態では、ゲノムデータのサブセットの各ｋ－ｍｅｒは、１つ以上のヌクレオチドのストリングを表すｋ個の文字を含むｋ－ｍｅｒである。
【0021】
いくつかの実装形態では、第１の値のセットは、ゲノムデータの所与のｋ－ｍｅｒが親ゲノムデータ内で出現する回数の表現を含むことができる。
【0022】
いくつかの実装形態では、第１の値のセットは、ゲノムデータの対応するｋ－ｍｅｒに基づいて計算されたハッシュ値の表現を含む。
【0023】
いくつかの実装形態では、サブセットの所与のｋ－ｍｅｒのシグネチャーを記憶するために使用されるメモリ割り当てサイズが、所与のｋ－ｍｅｒを記憶するために使用されるメモリ割り当てサイズよりも小さい。
【0024】
いくつかの実装形態では、方法は、１つ以上のコンピュータによって、ハッシュデータ構造に対応するデータをデータパッケージとして第１のデバイスに送信することを更に含むことができる。
【0025】
いくつかの実装形態では、第１のデバイスはメモリ記憶デバイスである。
【0026】
いくつかの実装形態では、第２のデバイスが、ハッシュデータ構造に対応するデータを第１のデバイスから読み取る。そのような実装形態では、第２のデバイスは、ハッシュデータ構造に対応するデータに基づいて第２のハッシュデータ構造を生成する一連の動作を実行することができる。
【0027】
本明細書で使用されるとき、シードは、一般に、ゲノムデータリードから特定されるか、取得されるか、又は抽出される一連の塩基コール又はヌクレオチドを指す。
【0028】
本明細書でｋ－ｍｅｒシードとも呼ばれる、ｋ－ｍｅｒは、塩基コール又はヌクレオチドなどの要素の配列であり、所与のｋ－ｍｅｒに対する配列内の要素、例えば、塩基コール又はヌクレオチドの数は「ｋ」によって定義される。
【0029】
ゲノムデータリードは、一般に、核酸シーケンサによってシーケンスされたサンプルゲノムの一部の塩基コール又はヌクレオチドに対応する、核酸シーケンサによって生成されたデータを含む。
【0030】
本明細書でシグネチャーとも呼ばれる、ゲノムシグネチャーは、ハッシュテーブル箇所、例えば、バケット、スロット、又はセルを特定するデータであるか、又はそれを含む。そのようなデータはまた、ハッシュキー、例えば、ゲノムハッシュキーとも呼ばれ得る。シグネチャーは、ゲノムデータから生成されるか、又はゲノムデータを特定する箇所を指し示す場合、ゲノムシグネチャーである。
【0031】
参照配列箇所は、参照配列、例えば、参照核酸配列の特定の部位又は部分を指す。
【0032】
ハッシュデータ構造は、データを連想的な方法で記憶しており、ハッシュ関数を使用してハッシュキーをメモリ箇所、バケット、又はセルにマッピングするデータ構造を含むことができる。
【0033】
アライメントスコアは、特定の参照配列にマッピングされるゲノムデータリード又はｋ－ｍｅｒシードが実際にその特定の参照配列箇所に対応することの信頼レベルを示すデータであるか、又はそれを含む。
【0034】
ゲノムデータは、被検体、例えば、ヒト被検体のゲノムに関連する任意のデータを含むことができる。
【0035】
親ゲノムデータは、ゲノムデータのサブセットが抽出されるゲノムデータの任意のスーパーセットを含むことができる。例えば、ゲノムデータリードは、ｋ－ｍｅｒシードを抽出することができる親ゲノムの一例とすることができる。
【0036】
特定のゲノムデータに「基づく」値は、そのゲノムデータから導出される値である。
【0037】
第１のハッシュ関数は、複数のハッシュ関数が使用される場合のハッシュ関数の最初の出現を含むことができる。第１のハッシュ関数という用語の使用は、第１のハッシュ関数が、使用される任意の後続のハッシュ関数とは異なることを意味するものではないが、異なるものであってもよい。
【0038】
インデックスは、他のデータの記憶箇所を特定するために使用することができる任意のデータである。
【0039】
第２のハッシュ関数は、複数のハッシュ関数が使用される場合のハッシュ関数の後続の出現を含むことができる。第２のハッシュ関数という用語の使用は、第２のハッシュ関数が、以前に使用された関数を有する任意の前のものとは異なることを意味するものではないが、異なるものであってもよい。
【0040】
本明細書に記載の生成されたハッシュテーブル、及びそれらの使用は、いくつかの技術的利益を提供することができる。技術的利益には、従来の方法よりも速く、かつより少ないメモリ及び記憶要件を必要とする、ソフトウェアで加速されたゲノムリードマッピングアルゴリズムが含まれ得る。これらの利益は、ハッシュキーとして使用する１バイトのゲノムデータシグネチャーにゲノムリードをコード化すること、及び単一アレイハッシュテーブルを使用することに、少なくとも部分的に基づいて、達成することができる。本開示の他の利点はまた、考慮中の参照箇所の数を減らすのに役立ついくつかのフィルタリング段階によって達成される。
【0041】
別途定義されない限り、本明細書で使用されるすべての技術用語及び科学用語は、本発明が属する技術分野の当業者によって一般的に理解されるものと同じ意味を有する。本明細書に記載されるものと同様又は同等の方法及び材料を本発明の実施又は試験に使用することができるが、好適な方法及び材料が、以下に記載されている。本明細書で言及されるすべての刊行物、特許出願、特許、及び他の参考文献は、参照によりその全体が本明細書に組み込まれる。矛盾が生じる場合、本明細書が、定義を含めて優先する。加えて、材料、方法、及び実施例は、単なる例示であり、限定することを意図するものではない。
【0042】
本発明の１つ以上の実施形態の詳細が、添付の図面及び以下の発明を実施するための形態に記載されている。本発明の他の特徴及び利点は、発明を実施するための形態、図面、及び特許請求の範囲から明らかとなるであろう。
【図面の簡単な説明】
【0043】
【図1】ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのシステムの例を示す図である。
【図2】ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのプロセスの例を示すフロー図である。
【図3】ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを使用するためのシステムの例を示す図である。
【図4】ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのプロセスの例を示すフロー図である。
【図5】ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのシステムを実装するために使用することができるコンピュータシステム構成要素、及びソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのシステムの図である。
【発明を実施するための形態】
【0044】
様々な図面における同様の参照番号及び名称は、同様の要素を示す。
【0045】
本開示は、ソフトウェアで加速されたゲノムリードマッピングのための方法、システム、及びコンピュータプログラムを対象とする。一態様では、本開示は、ソフトウェアで加速されたゲノムリードマッピングを容易にするハッシュテーブルの生成に関する。ハッシュテーブルは、ゲノムデータシグネチャーを使用してインデックス付けされた参照ゲノムを表すデータを含むことができる。次いで、生成されたハッシュテーブルを使用して、受信されたゲノムリードと参照ゲノムとの間のマッピングを決定することができる。生成されたハッシュテーブル及びその使用は、従来の方法よりも速く、かつより少ないメモリ及び記憶要件を必要とする、ソフトウェアで加速されたゲノムリードマッピングアルゴリズムを含むいくつかの技術的利益を提供する。これらの利益は、ハッシュキーとして使用する１バイトのゲノムデータシグネチャーにゲノムリードをコード化すること、及び単一アレイハッシュテーブルを使用することに、少なくとも部分的に基づいて、達成することができる。本開示の他の利点は、考慮中の参照箇所の数を減らすのに役立ついくつかのフィルタリング段階によって達成される。
【0046】
いくつかの実装形態では、本開示の態様は、参照ベースのゲノムデータ圧縮アルゴリズムの性能を改善するために使用することができる。例えば、本開示は、参照ベースのｆａｓｔｑ圧縮内で使用することができる。ただし、本開示は、そのように限定されない。代わりに、ソフトウェアで加速されたゲノムリードマッパーは、バリアントコーラーへの入力のためのマッピング及びアライメントされたゲノムリードの生成中、又は三次分析の１つ以上の段階への入力のためのマッピング及びアライメントされたゲノムリードの生成中になど、いくつかの他の動作において使用することができる。
【0047】
参照ベースの圧縮アルゴリズムでの使用中など、いくつかの実装形態では、ソフトウェアで加速されたゲノムリードマッパーは、精度のレベルを損なうが、マッピング速度の増加に有利であるように構成することができる。しかしながら、他の実装形態では、ソフトウェアで加速されたゲノムリードマッパーは、マッピング速度を犠牲にしてより正確なマッピングを提供するように構成することができる。一般に、変数及び他のパラメータは、本明細書に記載の所与の実装形態に基づいて変更又は最適化されて、より正確な結果を提供するか、又は結果をより迅速に提示することができる。
【0048】
いくつかの実装形態では、１つ以上のフィルタリング段階を使用して、１つ以上の異なるタイプのそれぞれのフィルタを適用して、ハッシュテーブルを生成するために使用される参照ゲノムデータのサブセットを生成することができる。参照ゲノムデータのフィルタリングされたサブセットは、メモリ使用量を低減し、計算を高速化するために使用することができる。次いで、参照ゲノムデータのフィルタリングされたサブセットは、ハッシュテーブルに記憶することができる。
【0049】
ソフトウェアで加速されたゲノムリードマッピングは、ゲノムリードを受信し、次いで生成されたハッシュテーブルをクエリして、ゲノムリードの所与のｋ－ｍｅｒに対応する参照ゲノムデータ内の箇所を見つけるコンピュータを使用して達成することができる。ハッシュテーブルは、（ｉ）ゲノムシグネチャーをハッシュキーとして記憶するために使用されるメモリ、及びゲノムシグネチャーと一致する参照配列箇所の対応するセル又はバケットを低減し、かつ（ｉｉ）単一のアレイを使用して構造化されるように、構成されているため、ハッシュテーブルは、ソフトウェアで加速されたゲノムリードマッピングを容易にする。本明細書に記載のシステム、方法、及び特徴は、生成されたハッシュテーブルに、少なくとも部分的に基づいて、１つ以上の候補アライメントを決定し、候補アライメントを処理して、所与の基準を満たすアライメントを迅速に見つけるために使用することができる。
【0050】
図１は、ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのシステム１００の例を示す図である。システム１００は、コンピュータ１０６、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０を含む。コンピュータ１０６は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０にデータを提供するように、及びそれらからデータを受信するように構成されている。いくつかの実装形態では、コンピュータ１０６は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０のうちの１つ以上の処理動作をコンピュータ１０６上でローカルに処理することができるように、そのような１つ以上のモジュールをホストする。他の実装形態では、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０のうちの１つ以上は、コンピュータ１０６に接続された１つ以上の他のコンピュータによってホストされ得る。
【0051】
ハッシュ演算モジュール１０８は、ゲノムデータに対応する１つ以上のハッシュ値を生成することができる。場合によっては、ゲノムデータは、ｋ－ｍｅｒの形態のヌクレオチド配列を含み得る。出現カウンタモジュール１１４は、所与の形態のゲノムデータが、そのゲノムデータが基づく親ゲノムデータ内で出現する回数をカウントすることができる。これは、例えば、所与のｋ－ｍｅｒが、ヌクレオチドのリード配列に沿って複数の箇所に現れることがあるためである。ｋ－ｍｅｒによって表される連続ヌクレオチドのストリングがヌクレオチドのリード配列内で出現する回数は、出現カウンタモジュール１１４によって取得され得る。次いで、ハッシュテーブル生成モジュール１２０は、ハッシュ演算モジュール１０８及び出現カウンタモジュール１１４によって処理されたゲノムデータに対応するハッシュテーブルを生成することができる。図１の例は、段階Ａから段階Ｅまでの段階において以下に説明される。
【0052】
本明細書内では、所与のｋ－ｍｅｒは、連続ヌクレオチドの配列として定義され、所与のｋ－ｍｅｒの配列中のヌクレオチドの数は「ｋ」によって定義され、これらのヌクレオチド（又は、より一般的には塩基）は、定義済みの語彙に由来した文字からなるストリングによって表される。例えば、所与のｋ－ｍｅｒは配列「ＡＴＧＣＧ」を表し得、記号：｛Ａ、Ｃ、Ｇ、Ｔ｝は、デオキシリボ核酸（ＤＮＡ）中に存在する４種類のヌクレオチド、具体的には、アデニン、シトシン、グアニン、及びチミンを表す。リボ核酸（ＲＮＡ）では、チミンはウラシル（Ｕ）によって置き換えられている。
【0053】
本開示において言及されるゲノムデータは、例えば、限定としてではないが、ヌクレオチド配列、デオキシリボ核酸（ＤＮＡ）配列、又はリボ核酸を含むことができる。
【0054】
図１の例の段階Ａでは、ゲノムデータ１０２に基づく、ｋ－ｍｅｒセット１０４は、コンピュータ１０６に送信される。この例では、ゲノムデータ１０２は、１人以上の科学者によって生物用に組み立てられたＤＮＡ配列などの参照ゲノム（本明細書では参照配列とも呼ばれ得る）を含むことができ、ｋ－ｍｅｒセット１０４内の各ｋ－ｍｅｒは、ヌクレオチド長ｋを有する、ゲノムデータ１０２内に存在する特定の配列サブセットに対応し、ｋは、０よりも大きい任意の正の整数である。例えば、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴは、長さｋのヌクレオチドのヌクレオチド配列「ＡＡＧＴ．．．ＡＴ」を有するゲノムデータリード、又はその一部に対応する。ゲノムデータ１０２は、ｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴの少なくとも１つのインスタンスを含み、これは、「ＡＡＧＴ．．．ＡＴ」に対応するヌクレオチドのストリングとして定義されるｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴの配列が、ゲノムデータ１０２に対応するヌクレオチド配列内で少なくとも１回出現することを意味する。いくつかの実装形態では、参照配列は、更なる処理を考慮してリードの圧縮性を改善するために、少なくとも部分的に、考えられた合成配列からなる。
【0055】
いくつかの実装形態では、ｋ－ｍｅｒセット１０４内のｋ－ｍｅｒは、１６ヌクレオチドのｋ－ｍｅｒ長を有することができる。しかしながら、本開示は、１６ヌクレオチドのｋ－ｍｅｒ長を有するｋ－ｍｅｒを使用する実装形態に限定されない。一般に、ｋ－ｍｅｒセットの所与のｋ－ｍｅｒに対して任意の数のヌクレオチドが使用され得る。いくつかの実装形態では、より短いシードは、参照ゲノム上でより大きい出現カウントを有し、より長い計算時間をもたらし得る。短いシードはまた、高感度につながり得る。ｋ－ｍｅｒセット１０４のｋ－ｍｅｒ内のヌクレオチドの数に対応するシード長は、性能最適化などの最適化目的のために調整され得る。
【0056】
コンピュータ１０６は、ｋ－ｍｅｒセット１０４を受信する。実装形態に応じて、コンピュータ１０６は、１つ以上の他のコンピュータと通信して、ｋ－ｍｅｒセット１０４を受信し得る。例えば、前処理コンピュータ又は他のデバイスは、ゲノムデータ１０２を処理し、ｋ－ｍｅｒセット１０４を生成し得る。次いで、前処理コンピュータ又は他のデバイスは、好適な通信ネットワークを介してコンピュータ１０６と通信し得る。他のデバイスの前処理コンピュータは、ｋ－ｍｅｒセット１０４をコンピュータ１０６に送信し得る。いくつかの実装形態では、コンピュータ１０６は、前処理コンピュータ又は他のデバイスの動作を実行する。例えば、コンピュータ１０６は、ゲノムデータ１０２を受信し、ゲノムデータ１０２に基づいてｋ－ｍｅｒセット１０４を生成することができる。
【0057】
いくつかの実装形態では、コンピュータ１０６によって受信されるデータは、非ゲノムデータの形態である。例えば、情報をコンピュータ１０６によって受信することができる。次いで、情報を１つ以上の段階で処理することができる。場合によっては、情報は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、又はハッシュテーブル生成モジュール１２０などの１つ以上のモジュールによって処理することができる。
【0058】
いくつかの実装形態では、コンピュータ１０６によって受信された情報に関連するデータが、１つ以上の処理動作を変更するために使用される。例えば、受信された情報は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、又はハッシュテーブル生成モジュール１２０など、コンピュータ１０６の任意の動作モジュールの動作を変更するために使用され得る。例えば、コンピュータ１０６は、情報を受信することができる。コンピュータ１０６は、受信された情報から１つ以上のアイテムを抽出することができる。コンピュータ１０６は、抽出された１つ以上のアイテムに基づいて、受信された情報に適用される特定の処理方法を決定することができる。場合によっては、特定の処理方法は、１つ以上の処理モジュールを含み得、１つ以上の処理モジュールは、抽出された１つ以上のアイテムに基づいた特定の方法でデータを処理するために、パラメータ変更又は動作変更を用いて調整される。
【0059】
例えば、ゲノムデータに関連するハッシュテーブルを生成する際に、コンピュータ１０６は、ゲノムデータを受信し得る。コンピュータ１０６は、受信されたゲノムデータから、１つ以上のアイテム（例えば、特定の長さｋｉの１つ以上のｋ－ｍｅｒ）を抽出し得る。次いで、コンピュータ１０６は、抽出されたデータに基づいて、１つ以上のモジュールの動作方法を変更し得る。例えば、コンピュータ１０６は、ｋ－ｍｅｒ内の塩基コール又はヌクレオチドの数を示す整数ｋを表す閾値を変更することによって、出現カウンタモジュール１１４を変更し得る。コンピュータ１０６によって設定された閾値を満たさないアイテムは、フィルタリングで除去され得る。
【0060】
いくつかの実装形態では、ｋ－ｍｅｒセット１０４は、ゲノムデータ１０２に由来する、それぞれが長さｋの、複数のｋ－ｍｅｒ核酸配列を含むことができ、これらは参照配列を含むことができる。いくつかの実装形態では、コンピュータ１０６は、直接接続（例えば、ＵＳＢ接続、ＵＳＢ－Ｃ接続など）を介して、又は１つ以上のネットワーク接続（例えば、ＬＡＮ、ＷＡＮ、イーサネット、ＷｉＦｉ、セルラーネットワーク、インターネットなど）を介して、ｋ－ｍｅｒセット１０４を受信することができる。いくつかの実装形態では、コンピュータ１０６は、核酸シーケンシングデバイスとすることができ、核酸シーケンシングデバイスは、ゲノムデータ１０２を受信、取得、又はそれに別様にアクセスし、ｋ－ｍｅｒセット１０４を生成することができる。
【0061】
したがって、いくつかの実装形態では、本開示のソフトウェアで加速されたゲノムマッピング及びアライニングは、次世代ＤＮＡシーケンシングデバイスなどのシーケンシングデバイス上に実装して、ゲノムデータリードのマッピング及びアライニングなどの二次分析動作をシーケンシングデバイス上で実行することができる。他の実装形態では、本開示のソフトウェアで加速されたゲノムデータマッピング及びアライニングは、ゲノムデータを取得し、ｋ－ｍｅｒセット１０４を生成し、ｋ－ｍｅｒセット１０４、又はその一部を使用して、本明細書で以下に説明される他の動作のうちの１つ以上を実行する、シーケンシングデバイス以外の別のコンピュータ上に実装することができる。
【0062】
段階Ｂでは、ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４を受信する。図１に示す例のコンピュータ１０６は、ハッシュ演算モジュール１０８に通信可能に接続され得る。ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４に基づいて１つ以上の動作を実行することができる。例えば、図１に示すように、ｋ－ｍｅｒセット１０４の各ｋ－ｍｅｒを使用して、対応するハッシュ値を生成することができる。ハッシュ値は、任意の値であり得る。図１の例では、ハッシュ値は、０～２６４－１の値となるように決定される。
【0063】
ハッシュ演算モジュール１０８は、計算されたハッシュ値１１２を生成することができる。計算されたハッシュ値１１２は、受信されたｋ－ｍｅｒセット１０４をフィルタリングするために処理することができる。例えば、ハッシュ演算モジュール１０８は、計算されたハッシュ値１１２を使用して、図１の例に示されるｋ－ｍｅｒセット１０４のサブセットを第２のｋ－ｍｅｒセット１１０として決定することができる。いくつかの実装形態では、第１のフィルタリング段階は、モジュロ関数を使用してｋ－ｍｅｒセット１０４のサブセットを決定することによって実施することができる。いくつかの実装形態では、計算されたハッシュ値１１２は、所定のマッピングに対応するハッシュ演算モジュール１０８によって生成することができる。例えば、図１に示すように、マッピングは、以下のように定義され得る。
【0064】
【数1】
【0065】
式１は、１つ以上のハッシュ値を計算するためにハッシュ演算モジュール１０８によって使用され得るハッシュ関数の例である。式１は、ｋ－ｍｅｒセット１０４の所与のｋ－ｍｅｒの対応するハッシュ値へのマッピングを記述しており、この場合、ハッシュ値は０～２６４－１の値であり、ハッシュ値は、６４ビットの符号なしの整数によって表すことができる。いくつかの実装形態では、他のマッピング又はハッシュ関数が使用され、異なるハッシュ値をもたらす。例えば、６４ビットの符号なしの整数の代わりに、３２ビットの符号ありの整数が使用され得る。本開示は、ハッシュ関数モジュール１０８によって使用されるマッピング又はハッシュ関数の形態を限定しない。場合によっては、ハッシュ関数のタイプは、コンピュータ１０６によって受信されたデータ又はハッシュ演算モジュール１０８によって受信されたデータに応じて変化し得る。
【0066】
ｋ－ｍｅｒセット１０４を処理する際に、図１のハッシュ演算モジュール１０８は、１つ以上の動作を実行することができる。いくつかの実装形態では、１つ以上の動作は、１つ以上の値を計算することを含むことができる。図１の例では、ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４の各ｋ－ｍｅｒのハッシュ値を計算することができる。ハッシュ演算モジュール１０８によって実行されるハッシュ値計算の例は、式２に示されている。
Ｈｋ－ｍｅｒ（ＧＴＴＡ．．．ＡＣ）＝９８７７８．．．７８９ （２）
Ｈｋ－ｍｅｒ（ＧＴＴＡ．．．ＡＣ）＝９８７７８．．．７８９ （２）
【0067】
式２は、図１の例、及びｋ－ｍｅｒセット１０４の第１のｋ－ｍｅｒ、「ＧＴＴＡ．．．ＡＣ」を対象とする。式１では、ハッシュ演算モジュール１０８は、ハッシュ関数Ｈｋ－ｍｅｒ及びｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに基づいてハッシュ値９８７７８．．．７８９を計算し、値９８７７８．．．７８９は、１～２６４－１の値を表し、「ＧＴＴＡ．．．ＡＣ」は、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒによって定義されるゲノムデータリード、又はその一部を表す。ハッシュ関数Ｈｋ－ｍｅｒは、当業者によって理解されるように、任意の好適なハッシュ関数とすることができる。ハッシュ関数Ｈｋ－ｍｅｒは、式１に示されるように、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒを値範囲内の特定の値にマッピングするように構成することができる。
【0068】
ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４に基づいて更なる動作を実行することができる。図１の例では、ハッシュ演算モジュール１０８は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するハッシュ値９８７７８．．．７８９を生成することができる。ハッシュ演算モジュールは、式３に示されるように、ハッシュ値に基づいて別の値を計算することができる。
Ｈｋ－ｍｅｒ（ＧＴＴＡ．．．ＡＣ）ｍｏｄｕｌｏ ｓｅｅｄＭｏｄＶａｌｕｅ＝９８７７８．．．７８９ ｍｏｄｕｌｏ ８＝０ （３）
Ｈｋ－ｍｅｒ（ＧＴＴＡ．．．ＡＣ）ｍｏｄｕｌｏ ｓｅｅｄＭｏｄＶａｌｕｅ＝９８７７８．．．７８９ ｍｏｄｕｌｏ ８＝０ （３）
【0069】
式３は、図１の例のハッシュ演算モジュール１０８によって実行される計算を示す。ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するハッシュ値９８７７８．．．７８９を使用して、第２の値を計算する。第２の値は、ハッシュ値９８７７８．．．７８９に対して実行されたモジュロ演算の結果である。このモジュロ演算は、ハッシュ値９８７７８．．．７８９及びｓｅｅｄＭｏｄＶａｌｕｅに基づいている。ｓｅｅｄＭｏｄＶａｌｕｅは、事前に決定されるか、又はｋ－ｍｅｒセット１０４に応じてハッシュ演算モジュール１０８又はコンピュータ１０６によって決定される。図１の例では、ｓｅｅｄＭｏｄＶａｌｕｅは整数の８である。しかしながら、ｓｅｅｄＭｏｄＶａｌｕｅは任意の整数であり得る。ｓｅｅｄＭｏｄＶａｌｕｅは、最適化動作又は他の使用事例に基づいて最適化又は変更することができる。ｓｅｅｄＭｏｄＶａｌｕｅは、実装形態に応じて任意の値であり得る。
【0070】
ハッシュ演算モジュール１０８は、計算されたハッシュ値１１２及びｓｅｅｄＭｏｄＶａｌｕｅに基づいて第２のｋ－ｍｅｒセット１１０を生成することができる。第２のｋ－ｍｅｒセット１１０を生成するために、任意の好適なルールセットがハッシュ演算モジュール１０８によって適用され得る。図１の例では、ハッシュ演算モジュール１０８は、ハッシュ値９８７７８．．．７８９を生成し、本例では８に等しいｓｅｅｄＭｏｄＶａｌｕｅに基づいて、ハッシュ値９８７７８．．．７８９に対してモジュロ演算を実行することができる。モジュロ演算及び結果は、式３に示されている。結果は０である。図１に示すハッシュ演算モジュール１０８の内部ルールによれば、０の結果は、ハッシュ演算モジュール１０８に、対応するｋ－ｍｅｒ、この場合、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣを第２のｋ－ｍｅｒセット１１０に含めさせる。ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣには斜線が引かれてなく、第２のｋ－ｍｅｒセット１１０がｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣを含むことを示している。
【0071】
ハッシュ演算モジュール１０８はまた、ｋ－ｍｅｒセット１０４に含まれる他のｋ－ｍｅｒに対してハッシュ値を計算することができる。ｋ－ｍｅｒセット１０４のｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧは、計算されたハッシュ値１１２のハッシュ値６５４３２．．．６１１を計算するために使用される。上述のように、ハッシュ演算モジュール１０８は、ｓｅｅｄＭｏｄＶａｌｕｅを使用してモジュロ演算を実行することができる。この場合、ハッシュ演算モジュール１０８は、２の値を計算することができる。ハッシュ演算モジュール１０８は、ハッシュ値６５４３２．．．６１１に適用されたモジュロ演算の結果の値に基づいて、ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧを第２のｋ－ｍｅｒセット１１０に含めないと決定することができる。図１の例では、ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧに斜線が引かれており、ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧが第２のｋ－ｍｅｒセット１１０に含まれないことを示している。
【0072】
ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４の他のｋ－ｍｅｒに対して対応するハッシュ値を計算することができる。上述のように、ハッシュ演算モジュールは、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒに対する動作を実行することによって、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒをフィルタリングすることができる。図１の例では、ハッシュ演算モジュール１０８は、ハッシュ値を計算し、計算されたハッシュ値に適用されたモジュロ演算の結果を計算することができる。モジュロ演算の結果に基づいて、ハッシュ演算モジュール１０８は、ｋ－ｍｅｒセット１０４のｋ－ｍｅｒをフィルタリングし、第２のｋ－ｍｅｒセット１１０を生成することができる。いくつかの実装形態では、第２のｋ－ｍｅｒセット１１０など、ｋ－ｍｅｒのフィルタリングされたセットは、ハッシュ演算（例えば、モジュロ８演算又は他の好適な演算）が０の計算結果をもたらしたｋ－ｍｅｒの各々を含む。すなわち、ハッシュ演算モジュール１０８によって演算されたときに０とは異なる結果をもたらしたハッシュ値を有するｋ－ｍｅｒの各々が、フィルタリングで除去される。第２のｋ－ｍｅｒセット１１０は、ｋ－ｍｅｒセット１０４のサブセットである。しかしながら、本開示は、フィルタ動作を実行するために、ハッシュ値に対するモジュロ８演算の使用又はモジュロ演算の使用に全く限定されない。当業者によって理解されるように、様々な他のフィルタリング技術が使用され得る。
【0073】
いくつかの実装形態では、フィルタリングは、コンピュータ上で実行される様々なコンピュータプログラムを含むことができる。例えば、以下のアルゴリズム１に示されるように、コンピュータプログラムは、１つ以上のシステム変数を開始し、１つ以上のシステム変数に基づいて１つ以上の動作を実行することができる。場合によっては、フィルタリングされるアイテムを決定するために、「if」ステートメント又は他の条件付きコーディング動作を使用することができる。
【0074】
【表1】
【0075】
いくつかの実装形態では、ゲノムデータから１つ以上のアイテムを抽出するために、フィルタリング技術が使用され得る。例えば、抽出モジュールは、親データストア、例えば、ゲノム配列、ゲノムデータを含むデータ構造、又は他の形態の順序付けられたデータストア内において所定の間隔でｋ－ｍｅｒを抽出することができる。いくつかの実装形態では、抽出モジュールは、配列内での第１のｋ－ｍｅｒの位置を特定することができる。次いで、抽出モジュールは、配列内での第２のｋ－ｍｅｒの位置を特定することができ、第２のｋ－ｍｅｒは、第１のｋ－ｍｅｒから所定のヌクレオチド数ｓだけ離れている。この場合、ｓは、０よりも大きい整数とすることができる。第３のｋ－ｍｅｒは、第１のｋ－ｍｅｒに基づいて第２のｋ－ｍｅｒを見つけるのに使用されたのと同じ間隔ｓを使用して決定され得る。この動作は、所定の終了条件が満たされるまで、例えば、所定の数のｋ－ｍｅｒが見つかるか、又は抽出モジュールが配列の最後に達するまで、継続し得る。いくつかの実装形態では、上記の例は、他の形態のデータストアをフィルタリングするために使用され得る。例えば、固定間隔を使用して、ｋ－ｍｅｒセット１０４から１つ以上の要素を抽出し、それによってｋ－ｍｅｒセット１０４をフィルタリングすることができる。抽出モジュールは、ｋ－ｍｅｒセット１０４などのデータ構造内での第１のｋ－ｍｅｒの位置を特定し、次いで、ｋ－ｍｅｒセット１０４内での第２のｋ－ｍｅｒの位置を特定することができ、第２のｋ－ｍｅｒは第１のｋ－ｍｅｒから所定の数のインデックスｉだけ離れている。インデックスのないデータストアでは、隣接する抽出された要素の間の固定された距離を示すために、カウント又は他の値が使用され得る。
【0076】
いくつかの実装形態では、順序付けられたデータセット内のアイテムを、所定の間隔を使用するフィルタリング方法の１つ以上の条件に基づいて選択することができる。例えば、上述のように、順序付けられたデータセットを、順序付けられたデータセットから抽出された１つ以上のアイテムに基づいてフィルタリングすることができる。順序付けられたデータセットから抽出された１つ以上のアイテムの隣接するアイテムは、所定の間隔だけ互いに離れ得る。いくつかの実装形態では、第１の値は、順序付けられたデータセットの１つ以上のアイテムを所定の間隔に基づいて選択するように選択される。場合によっては、第１の値は、２つ以上の入力データセットに対して同様のフィルタリングされたセットを生成するために、少なくとも２つ以上の入力データセットにわたって同様の様式又は同等の仕様で選択される。
【0077】
いくつかの実装形態では、図１のシステム１００などのシステムの性能を改善するために、フィルタリングのハッシュ方法が使用される。例えば、ハッシュ動作モジュール１０８によって、ハッシュ関数を参照ゲノムのｋ－ｍｅｒ及びゲノムリードのｋ－ｍｅｒに適用することができる。一定のハッシュ関数及びモジュロ演算に基づいてｋ－ｍｅｒを参照ゲノム及びゲノムリードの両方にわたってフィルタリングすることにより、ハッシュ演算モジュール１０８によって、参照ゲノム及びゲノムリードから同じタイプのｋ－ｍｅｒを選択することができる。フィルタリングのハッシュ方法を使用することにより、メモリ使用量及び処理時間は、インデックス付けされる必要があるｋ－ｍｅｒセットをフィルタリングすること、フィルタリング動作内でｋ－ｍｅｒのサブセットのみをクエリすること、及び上記の参照ゲノムとゲノムリードとの間の同様の選択に基づいて低減させることができる。
【0078】
段階Ｃでは、出現カウンタモジュール１１４は、第２のｋ－ｍｅｒセット１１０を使用して、第２のフィルタ段階をｋ－ｍｅｒセット１０４に適用することができる。いくつかの実装形態では、出現カウンタモジュール１１４は、第２のｋ－ｍｅｒセット１１０の１つ以上のｋ－ｍｅｒに対してゲノム出現数１１８を計算することによって、第２のフィルタリング段階を実施することができる。各ｋ－ｍｅｒのゲノム出現数１１８は、例えば、特定のｋ－ｍｅｒが参照ゲノム（参照配列とも呼ばれる）に現れる回数を含むことができる。いくつかの実装形態では、出現カウンタモジュール１１４は、各ｋ－ｍｅｒの出現数を閾値と比較することができる。図１の例では、閾値は２０として定義される。他の実装形態では、閾値は、任意の適用可能な値であり得る。
【0079】
第２のフィルタリング段階は、参照配列内でのｋ－ｍｅｒの出現数を決定するために本明細書に記載されているが、本開示の第２のフィルタリング段階は、そのように限定されない。代わりに、第２のフィルタリング段階には、他のフィルタもまた使用することができる。更に、いくつかの実装形態では、本開示は、０個のフィルタリング段階、１つのフィルタリング段階、又は２つ以上のフィルタリング段階を使用し得る。フィルタリング段階が本開示の限定的な特徴となることはなく、フィルタリング段階は、特定の実装形態のためのハッシュテーブル１２４を生成する際の使用に適した第３のｋ－ｍｅｒセット１１６を達成するために、ソフトウェアで加速されたゲノムデータマッピングアルゴリズムの設計中にカスタマイズ可能である。
【0080】
図１の例では、出現カウンタモジュール１１４は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣが参照配列などのゲノムデータ１０２内で１５回出現すると判定する。ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧは、ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧが第１のフィルタリング段階中にモジュロ演算に基づいてフィルタリングで除去されているため、計算されない。ｋ－ｍｅｒ ＣＣＧＡ．．．ＧＴは、ゲノムデータ１０２内で２３回出現し、ｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴは、ゲノムデータ１０２内で１１回出現する。
【0081】
ゲノム出現数１１８に基づいて、出現カウンタモジュール１１４は、第３のｋ－ｍｅｒセット１１６に含める、第２のｋ－ｍｅｒセット１１０の各ｋ－ｍｅｒシードを決定することができる。ゲノム出現数１１８の各エントリは、閾値ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅと比較される。ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅ値は、２０などの整数値を有することができる。ゲノム出現数１１８のアイテムが閾値以上である場合、対応するｋ－ｍｅｒは、第３のｋ－ｍｅｒセット１１６に含められない。ゲノム出現数１１８のアイテムが閾値未満である場合、対応するｋ－ｍｅｒは、第３のｋ－ｍｅｒセット１１６に含められる。ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣ及びｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴは、対応する出現数１５及び１１がどちらも閾値ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅを満たすので、両方とも第３のｋ－ｍｅｒセット１１６に含められる。第２のｋ－ｍｅｒセット１１０の示されていない他のｋ－ｍｅｒもまた、第３のｋ－ｍｅｒセット１１６に含められ得る。ｋ－ｍｅｒ ＣＣＧＡ．．．ＧＴは、対応する出現数２３が閾値ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅを満たさないので、第３のｋ－ｍｅｒセット１１６に含められない。
【0082】
上述のように、ハッシュ演算モジュール１０８及び出現カウンタモジュール１１４によって実行される動作の少なくとも一部は、参照配列データなどの受信されたゲノムデータ１０２に適用されるそれぞれのフィルタリング段階として説明することができる。いくつかの実装形態では、フィルタリングは、例えば、メモリ使用量を減少させ、受信されたデータに対応する動作全体の計算時間を減少させることを含むいくつかの理由のために使用することができる。いくつかの実装形態では、他の形態のフィルタリングが、受信されたデータのサブセットを生成するために使用され得る。例えば、ランダムアルゴリズムなどのアルゴリズムが、受信されたデータで使用されているインデックスに対応するインデックスのリストを生成することができる。インデックスがランダムアルゴリズムの出力に含まれる場合、受信されたデータの対応する値は、データのサブセットに含めるか、又は含めないことができる。このようにして、受信されたデータのサブセットを生成することができる。当業者には明らかであるように、乱数生成を伴う他の方法も使用され得る。
【0083】
いくつかの実装形態では、フィルタリングは、データの関連する特性に基づいて、受信されたゲノムデータ１０２をフィルタリングするために使用することができる。例えば、図１に示すように、第２のｋ－ｍｅｒセット１１０は、ゲノムデータ１０２内での各ｋ－ｍｅｒの出現に基づいて、出現カウンタモジュール１１４によってフィルタリングすることができる。いくつかの実装形態では、出現カウントの高いｋ－ｍｅｒは、品質スコアの低いアライメントをもたらす候補アライメント位置を生成する可能性を高くする傾向があるため、これは妥当なフィルタであり得る。本明細書の動機のうちの１つは、良好な候補アライメントを生成することなので、図１の例では２０回を超える出現として定義されている、高い出現数を有するｋ－ｍｅｒは、ハッシュテーブルの生成に含められる生成されたサブセットには含まれない。
【0084】
図１の段階Ｄでは、ハッシュテーブル生成モジュール１２０は、第３のｋ－ｍｅｒセット１１６に基づいてハッシュテーブルを生成することができる。図１の例では、ハッシュテーブル生成モジュール１２０は、シグネチャー値及び箇所値を含むデータブロックからなる１次元アレイとして表されるハッシュテーブル１２４を生成する。ハッシュテーブル生成モジュール１２０は、ハッシュ演算モジュール１０８及び発生カウンタモジュール１１４のフィルタリング工程を通過したｋ－ｍｅｒのみをハッシュテーブル１２４に記録する。例えば、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣ及びｋ－ｍｅｒ ＡＡＧＴ．．．ＡＴはハッシュテーブル１２４に記録されるが、ｋ－ｍｅｒ ＴＡＴＡ．．．ＣＧ及びｋ－ｍｅｒ ＣＣＧＡ．．．ＧＴは記録されない。
【0085】
ハッシュテーブル１２４に記録されたｋ－ｍｅｒに対応する値は、ゲノムデータ１０２内での所与のｋ－ｍｅｒの位置を含むことができる。いくつかの実装形態では、ゲノムデータ内でのｋ－ｍｅｒの最初の出現のみが、所与のｋ－ｍｅｒに対するハッシュテーブルの値データセクションに含められる。次いで、そのような実装形態では、他の位置は破棄される。ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応して生成された値の概念例を、アイテム１２６に示す。参照１２６ｂは、第１の出現１２６ａにおいてｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣと対応することが示されている。図１の例では、参照１２６ｂは、ゲノムデータ１０２に対応する。参照１２６ｂの示された部分は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応する配列、具体的には、「ＧＴＴＡ．．．ＡＣ」によって表される配列内のヌクレオチドの配列を含む。配列「ＧＴＴＡ．．．ＡＣ」は参照１２６ｂ上の他の位置でも出現し得るが、配列「ＧＴＴＡ．．．ＡＣ」の最初の出現のみが、ハッシュテーブル１２４内でのｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応する値として記憶される。
【0086】
いくつかの実装形態では、アイテムをハッシュテーブル１２４に挿入することは、コンピュータ上で実行される様々なコンピュータプログラムを含むことができる。例えば、以下のアルゴリズム2に示されるように、コンピュータプログラムは、１つ以上のシステム変数を開始し、１つ以上のシステム変数に基づいて１つ以上の動作を実行することができる。場合によっては、フィルタリングされるアイテムを決定するために、「if」ステートメント又は他の条件付きコーディング動作を使用することができる。
【0087】
【表2】
【0088】
ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するシグネチャーは、ハッシュ関数を使用して計算される。図１の例では、ハッシュ関数は、所与のｋ－ｍｅｒを０～２５５の範囲にマッピングする。アイテム１２８に示すように、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣは、ハッシュ関数Ｈ＿ｓｉｇの入力として使用される。ハッシュテーブル生成モジュール１２０は、ハッシュ関数Ｈ＿ｓｉｇを使用して、ｋ－ｍｅｒ値を値２４８にマッピングする。次いで、値２４８は、ハッシュテーブル１２４内でのｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するキーとして使用される。
【0089】
ｋ－ｍｅｒ値を０～２５５の範囲の数にマッピングすることにより、ハッシュテーブル生成モジュール１２０は、ハッシュテーブル１２４に記憶されるデータの量を減らすことができる。１６ヌクレオチド長のｋ－ｍｅｒの場合、対応するデータをデータ構造内で表現するために、３２ビットが必要とされ得る。ｋ－ｍｅｒ値を別の値、例えば、アイテム内に示されているような０～２５５の値にマッピングすることにより、必要とされる空間は減少する。例えば、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣが１６個のヌクレオチドを含み、かつマッピング動作から結果として得られるシグネチャーが、８ビットで表現可能な数２４８である場合、ハッシュテーブル１２４内に記憶されるデータのメモリフットプリントは、４分の１に低減される。
【0090】
いくつかの実装形態では、対応するキーを小さくしてハッシュテーブルサイズを低減するために、他の方法を使用することができる。例えば、ハッシュ関数を使用して受信データの所与の値をマッピングする代わりに、値の下×桁を使用して、データ構造内の表現可能な箇所を表すことができる。ハッシュテーブルのデータを圧縮する他の同様の方法は、当業者には明らかであろう。
【0091】
いくつかの実装形態では、ハッシュテーブル１２４は、指定された長さのアレイとすることができる。例えば、ハッシュテーブル１２４は、Ｎ個の連続セルを含む単一のアレイを含むことができる。ハッシュテーブル１２４はまた、衝突解決のための線形探索技術を使用することができる。いくつかの実装形態では、ハッシュテーブル１２４のアレイ構成に対応する構成は、たった一度のキャッシュミス及び他の同様の方法よりも改善された性能をもたらすことができる。ハッシュテーブル１２４の性能を改善することにより、システム３００など、リードを参照ゲノムにマッピングするためのシステムは、システムが、他のマッピング方法と比較してより高い精度及びより短い時間でマッピング結果を生成することができるように、改善することができる。
【0092】
ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するインデックスは、ハッシュ関数を使用して計算することができる。図１の例では、ハッシュ関数Ｈ＿ｔａｂが使用され、Ｈ＿ｔａｂは、シグネチャーを生成するために使用されるＨ＿ｓｉｇハッシュ関数と同一ではない。いくつかの実装形態では、Ｈ＿ｔａｂハッシュ関数はまた、ｋ－ｍｅｒを入力として使用することができるが、異なる範囲の値に出力を生成することができる。Ｈ＿ｔａｂハッシュ関数によって出力される値の範囲は、ハッシュテーブル１２４内で利用可能なインデックスの数に対応することができる。いくつかの実装形態では、ハッシュテーブル１２４は、インデックス付けされ得る２２８個程度のセルを含むことができる。アイテム１３０に示すように、Ｈ＿ｔａｂハッシュ関数は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対して演算し、ハッシュテーブル１２４内でのインデックスに対応する２６８４３５４５６の値を出力することができる。アイテム１２６及び１２８にそれぞれ示されている値及びシグネチャーは、ハッシュテーブル１２４内のインデックス箇所２６８４３５４５６に記憶することができる。
【0093】
ハッシュテーブル内のセルをクエリするとき、特定のｋ－ｍｅｒを保持するセルを特定するために、セルのシグネチャーが使用され得る。特定のシグネチャーを有するセルが見つかると、関連する値、インデックス、又は他のパラメータが返され得る。いくつかの実装形態では、複数の異なるｋ－ｍｅｒが、同じシグネチャーに対応し得る。例えば、ハッシュテーブル１２４は、第１のシグネチャーに対応する第１のｋ－ｍｅｒと、第２のシグネチャーに対応する第２のｋ－ｍｅｒとを含み得、第１のシグネチャー及び第２のシグネチャーを表す値が同等である。そのような実装形態では、第１のｋ－ｍｅｒの第１のシグネチャー及び対応する情報を見つけるためにハッシュテーブルをクエリすると、ハッシュテーブル１２４が第２のｋ－ｍｅｒに関連する情報を出力することがあり得る。
【0094】
ハッシュテーブル１２４は、低いメモリ使用量及び高速なクエリのために設計することができる。例えば、図１のハッシュテーブル１２４は、キー値対のリストを記憶するように設計され、キーは、ｋ－ｍｅｒを特定するために使用されるものであり、値は、ゲノムデータ１０２内でのｋ－ｍｅｒ位置である。いくつかの実装形態では、ｋ－ｍｅｒごとにゲノムデータ１０２内での１つの位置が記憶される。いくつかの実装形態では、他の位置が記憶される。例えば、ゲノムデータ１０２内での所与のｋ－ｍｅｒの１つおきの位置、例えば、奇数番目の位置などを、所与のｋ－ｍｅｒに対応するハッシュテーブルに記憶することができる。
【0095】
いくつかの実装形態では、ハッシュテーブル１２４は、段階Ｅで将来の使用のためにコンピュータ１０６のメモリ内に記憶することができる。例えば、ハッシュテーブル１２４は、図３に示されるような候補アライメント箇所及び評価の用途に使用され得る。他の実装形態では、ハッシュテーブル１２４は、段階Ｅにおいて、コンピュータ１０６によって、コンピュータ１０６に通信可能に接続されたデバイスに送信することができる。そのようなデバイスは、１つ以上の直接接続を介して、又はインターネット経由でなどの１つ以上のネットワーク接続を介してコンピュータ１０６に通信可能に接続することができる。いくつかの実装形態では、ハッシュテーブル１２４は、コンピュータ１０６によって生成し、段階Ｅで、サムドライブ、ハードドライブ、又は他の形態の電子データ記憶などのデータ記憶エンティティ内に記憶することができる。場合によっては、データ記憶エンティティは、ハッシュテーブル１２４をクエリ又は編集することができるプロセッサに接続されている。
【0096】
いくつかの実装形態では、コンピュータ１０６は、ハッシュテーブル１２４に関連する他のデータを別のプロセス又はデバイスに送信することができる。例えば、ハッシュテーブル１２４を送信する代わりに、コンピュータ１０６は、計算システム、アルゴリズムなどを、別のプロセス又はデバイスに送信することができる。いくつかの実装形態では、コンピュータ１０６は、ハッシュテーブル１２４、又はハッシュテーブル１２４に関連するデータ、を含むデータをメモリデバイス上に記憶することができ、このメモリデバイスは、ハッシュテーブル１２４からデータを読み取るために、又はハッシュテーブル１２４に関連するデータに基づいてハッシュテーブル１２４と同様のハッシュテーブルを生成するために使用され得る。例えば、コンピュータ１０６は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、又はハッシュテーブル生成モジュール１２０などの１つ以上のモジュールに関連するデータを別のプロセス又はデバイスに送信することができる。１つ以上のモジュールに関連するデータは、１つ以上のモジュールに関連するデータに基づいて１つ以上の他のハッシュテーブルを生成するために、別のシステム又はシステム１００によって使用され得る。
【0097】
いくつかの実装形態では、コンピュータ１０６は、ハッシュテーブル１２４を別のコンピュータ上にインストールするためのソフトウェア命令と、ゲノムデータ１０２と、を含むハッシュテーブルインストールパッケージを生成することができる。他の実装形態では、コンピュータ１０６は、受信側のコンピュータが既にゲノムデータのコピーを有する場合があるので、ソフトウェア命令のみを提供することがある。いくつかの実装形態では、ハッシュテーブルインストールパッケージは、実行されると、図２のプロセス２００によって記載される動作を実行するソフトウェア命令を含むことができる。他のコンピュータは、ハッシュテーブルインストールパッケージを受信し、ハッシュテーブルインストールパッケージを実行し、ハッシュテーブル１２４をインストールすることができる。次いで、他のコンピュータは、図３及び図４に関して本明細書に記載されるプロセスを使用して、ソフトウェアで加速されたゲノムリードマッピングを実行することができる。
【0098】
いくつかの実装形態では、ハッシュテーブル１２４は、オープンアドレッシングを使用することができる。例えば、ハッシュ衝突は、標的セルが見つかるか、又は未使用のセルが見つかるまで、ハッシュテーブル１２４のアレイ内の代替箇所を探索することによって解決することができる。セルは、データを記憶することができるハッシュテーブル１２４内の箇所であり得る。いくつかの実装形態では、線形プロービング、又は二次プロービング、ダブルハッシングプログラムなどの他の形態のプロービングを使用して、所与のｋ－ｍｅｒに対応するデータを記憶するためのインデックスを決定することができる。いくつかの実装形態では、キャッシュ局所性の改善のために線形プロービングを使用することができ、線形プロービングを利用しない実装形態よりも高い性能になり得る。図１の例では、キー及び値の両方がハッシュテーブル１２４のアレイに一緒に記憶される。キー及び値を一緒に記憶することにより、キャッシュ局所性を更に高めることができる。
【0099】
いくつかの実装形態では、プロービングの形態は、新しいインデックスを生成するために使用することができる。例えば、線形プロービングを使用する実装形態では、第１のｋ－ｍｅｒがハッシュ関数Ｈ＿ｔａｂに基づいて特定のインデックスにマッピングされ、そのインデックスが、第１のｋ－ｍｅｒに対してハッシュ関数Ｈ＿ｓｉｇによって計算されたシグネチャーと同じシグネチャーを有する占有されたセルを含む場合、新しいインデックスが計算され得る。線形プロービングでは、所与のインデックスでのシグネチャー値が、第１のｋ－ｍｅｒに対するＨ＿ｓｉｇ演算の出力に対応するシグネチャー値と等しくなくなるまで、インデックス値を１ずつ増加させることができる。当然のことながら、任意の他の好適なプロービングが、所与の実装形態で使用され得る。
【0100】
いくつかの実装形態では、ハッシュテーブル１２４は、所定のメモリサイズのセルを含むことができる。例えば、ハッシュテーブル１２４は、５バイトのメモリを含むメモリセルを含むことができる。いくつかの実装形態では、アイテム１２８及びアイテム１２６にそれぞれ示されるように、１バイトがシグネチャー値に充てられ、４バイトが箇所値に充てられる。しかしながら、実装形態に応じて他のメモリレイアウトを使用することができる。
【0101】
いくつかの実装形態では、シグネチャーを生成し、ハッシュテーブル１２４に記憶することができる。例えば、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣなどの所与のｋ－ｍｅｒに基づくシグネチャーを生成し、ハッシュテーブル１２４に記憶することができる。いくつかの実装形態では、生成されたシグネチャーは、ｋ－ｍｅｒ自体のバイナリ表現よりもデータ使用量に関して小さくなることができる。このようにして、メモリ使用量は更に低減し得、性能は向上し得る。図１の例では、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するシグネチャーは、アイテム１２８に示されるようにハッシュ関数を使用して生成される。この場合、ハッシュ関数Ｈ＿ｓｉｇが使用される。
【0102】
いくつかの実装形態では、ハッシュテーブルの他の形態が、ハッシュテーブル生成モジュール１２０によって生成される。例えば、単一のアレイとして表される１次元ベクトルの代わりに、ハッシュテーブル生成モジュール１２０は、複数のアレイを使用して多次元ベクトルを生成することができる。場合によっては、ハッシュテーブル生成モジュール１２０によって生成されるハッシュテーブルの形態は、図１の例ではｋ－ｍｅｒセット１０４である、受信されたデータに基づいて決定することができる。例えば、ハッシュテーブル生成モジュール１２０は、ハッシュテーブルの形態を、特定の特性を有する１次元アレイから、それぞれ異なる特性を有する多次元ベクトル、テーブル、１次元アレイ、又はハッシュ化されてインデックス付けされたデータベースの別の形態に変更することができる。しかしながら、単一のアレイとして表される１次元ベクトルを使用する実装形態は、ハッシュクエリをたった一度のキャッシュミスだけで解決することができるような特定の技術的利益を提供する。
【0103】
いくつかの実装形態では、コンピュータ１０６は、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０に起因するアクションを実行するように構成することができる。他の実装形態では、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０のうちの１つ以上は、コンピュータ１０６に通信可能に接続された１つ以上のデバイス上で実行することができる。いくつかの実装形態では、コンピュータ１０６に通信可能に接続された１つ以上のデバイスは、他のコンピュータ、サーバ、核酸シーケンサ、又は他のデバイスを含むことができる。
【0104】
いくつかの実装形態では、図１の例に示されるような処理工程の前又は後に１つ以上の処理工程を実行することができる。例えば、ｋ－ｍｅｒセット１０４は、コンピュータ１０６によって受信された後、ハッシュ演算モジュール１０８の動作が起こる前に、ｋ－ｍｅｒセット１０４の形式を変更するために前処理され得る。
【0105】
いくつかの実装形態では、図１の例に示される動作のうちの１つ以上は、本明細書の範囲から逸脱することなく除去され得る。例えば、場合によっては、ハッシュ演算モジュール１０８は、出現カウンタモジュール１１４によっていかなる動作も実行されることなく、出力データをハッシュテーブル生成モジュール１２０に直接送信することができる。他の様々な修正が、当業者によって考慮され得る。
【0106】
別の例として、いくつかの実装形態では、システム１００は、完全な異なるｋ－ｍｅｒセット１１０、１１６の連続的な生成なしに実装することができる。代わりに、ハッシュ演算モジュール１０８、出現カウンタモジュール１１４、及びハッシュテーブル生成モジュール１２０のプロセスは、パイプライン化された様式で実装することができる。例えば、ハッシュ演算モジュール１０８は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するハッシュ値９８７７８．．．７８９を計算し、ハッシュ値９８７７８．．．７８９のモジュロｓｅｅｄＭｏｄＶａｌｕｅの結果を計算することによって第１のフィルタリング段階を実行することができる。モジュロ演算の結果が０である場合、出現カウンタモジュール１１４は、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣを直接受信し、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するゲノム出現数を決定し、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応するゲノム出現数に基づいて第２のフィルタ段階を実行することができる。ハッシュテーブル生成モジュール１２０は、同様に、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣが出現カウンタモジュール１１４の第２のフィルタリング段階を通過すると、本明細書に記載されるように、ｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣを受信し、その動作を実行することができる。したがって、いくつかの実装形態は、ｋ－ｍｅｒデータなどの受信データの別個のセットを生成する必要はない。代わりに、本開示のモジュールは、パイプライン化された様式で動作するように構成することができ、前の処理モジュールの出力が生成された後に、後続の処理モジュールが前の処理モジュールの出力に対して演算する。このパイプライン化された動作は、ソフトウェアで加速されたゲノムデータマッピングアルゴリズムのより速い実行をもたらすことができる。
【0107】
図２は、ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのプロセス２００の例を示すフロー図である。プロセス２００は、１つ以上の電子システム、例えば、図１のシステム１００によって実行することができる。
【0108】
システム１００は、１つ以上のコンピュータによって、ゲノムデータを受信して、プロセス２００の実行を開始することができ、ゲノムデータは親ゲノムデータに由来する（２０２）。いくつかの実装形態では、ゲノムデータは、１つ以上のｋ－ｍｅｒにパースされる。ｋ－ｍｅｒは、１つ以上のフィールドを含むデータ構造とすることができ、各フィールドは、ｋ個の核酸ヌクレオチド又は塩基のうちの１つ以上を表すことができる。
【0109】
プロセス２００は、１つ以上のコンピュータによって、ゲノムデータに基づいて第１の値のセットを生成することを含む（２０４）。いくつかの実装形態では、第１の値のセットは、ハッシュ値、ハッシュ関数、又はその両方に基づく。例えば、第１の値のセットは、ゲノムデータの第１のｋ－ｍｅｒに基づく第１の値を含むことができる。第１の値は、ハッシュ値に対して演算するモジュロ演算子の結果とすることができ、ハッシュ値は、ハッシュ関数によってゲノムデータの第１のｋ－ｍｅｒから生成することができる。いくつかの実装形態では、第１の値のセットを生成するために、他の動作又は方法が使用され得る。例えば、第１の値のセットは、ゲノムデータの所与のｋ－ｍｅｒの出現カウントを含むことができる。
【0110】
プロセス２００は、１つ以上のコンピュータによって、第１の値のセットに基づいてゲノムデータのサブセットを生成することを含む（２０６）。例えば、第１の値のセットは、第１の数のｋ－ｍｅｒを含むゲノムデータをフィルタリングしてゲノムデータのサブセットを生成するために使用されるフィルタリングデータの形態とすることができ、ゲノムデータのサブセットは、第１の値のセットによって通知されるフィルタリングに基づいて、より少ないｋ－ｍｅｒを含む。
【0111】
プロセス２００は、１つ以上のコンピュータによって、ゲノムデータのサブセットの各アイテムのためのシグネチャーを計算することを含み、シグネチャーは、第１のハッシュ関数に基づいて計算される（２０８）。いくつかの実装形態では、ハッシュ関数は、事前に決定することができる。次いで、事前に決定したハッシュ関数を使用して、ゲノムデータのサブセットの所与のアイテムに基づいてシグネチャーを生成することができる。いくつかの実装形態では、シグネチャーは、ゲノムシグネチャーである。いくつかの実装形態では、シグネチャーは、所与のｋ－ｍｅｒに関連するデータと共に記憶され、図１に示されるように、所与のｋ－ｍｅｒに関連するデータを所与のｋ－ｍｅｒに対応するデータとして特定するために使用される。
【0112】
プロセス２００は、１つ以上のコンピュータによって、ゲノムデータのサブセットの各アイテムのための第１の属性を計算することを含み、第１の属性は、ゲノムデータの配列内でのゲノムデータの所与のアイテムの位置を含む（２１０）。この文脈では、アイテムは、ｋ－ｍｅｒシードを含むことができる。いくつかの実装形態では、第１の属性は、配列内でのゲノムデータの所与のアイテムの第１の出現のみを含む。例えば、ゲノムデータの所与のアイテムは、配列内に１回以上出現し得る。ハッシュテーブルなどのデータ構造にゲノムデータを記憶するのに必要とされるメモリの量を減らすために、システム１００など、プロセス２００を実装するシステムは、第１の出現のみを記憶し、所与のアイテムの後続の出現は記憶しないことができる。いくつかの実装形態では、ゲノムデータ表現は、所与の方向にコンピュータによってパースされる。所与の方向は、どの出現が「第１の」出現として選択されるかを決定する。
【0113】
プロセス２００は、１つ以上のコンピュータによって、ゲノムデータのサブセットの各アイテムのためのインデックスを計算することを含み、インデックスは、第２のハッシュ関数に基づいて計算される（２１２）。いくつかの実装形態では、第２のハッシュ関数は、システム１００によって事前に決定される。いくつかの実装形態では、第２のハッシュ関数は、ハッシュテーブル１２４などのハッシュテーブル内での所与のｋ－ｍｅｒに対応するデータの位置を特定するためのインデックスを生成するために使用される。インデックスは、ハッシュテーブル１２４に関連付けられたメモリ内での特定の箇所を指し示すことができる。
【0114】
プロセス２００は、１つ以上のコンピュータによって、ゲノムデータのサブセットの各アイテムのためのインデックスに基づいてゲノムデータのサブセットの各アイテムのためのシグネチャー及び第１の属性をハッシュデータ構造内に記憶することを含む（２１４）。例えば、図１に示すように、システム１００は、アイテム１２８に示されるようなｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣのシグネチャー、及びアイテム１２６に示されるようなｋ－ｍｅｒ ＧＴＴＡ．．．ＡＣに対応する値を記憶することができる。いくつかの実装形態では、ハッシュテーブル１２４は、単一のアレイの単一の次元に沿って要素内にシグネチャー及び値を記憶する単一のアレイである。いくつかの実装形態では、ハッシュテーブル１２４内で使用されるシグネチャーは、単一のバイトとして記憶され、シグネチャーに関連付けられたｋ－ｍｅｒの箇所など、第１の属性として記憶される値は、４バイトのメモリユニットとして記憶される。いくつかの実装形態では、ゲノムデータのサブセットの所与のｋ－ｍｅｒは、ゲノムデータのサブセットの各アイテムがハッシュテーブル１２４のセル内で５バイトのメモリを占めるように、５バイトのメモリユニットでハッシュテーブル１２４内に記憶される。
【0115】
図３は、ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを使用するためのシステム３００の例を示す図である。システム３００は、コンピュータ３０６、この例では、ハッシュ演算モジュール３０８及び出現カウンタモジュール３１０を含む、フィルタモジュール３０７、候補生成モジュール３１６、ソーティングモジュール３２２、並びにスコアリング及び出力モジュール３２６を含む。いくつかの実装形態では、図１のコンピュータ１０６は、コンピュータ３０６に通信可能に接続されている。いくつかの実装形態では、コンピュータ３０６は、コンピュータ１０６によって実行されるプロセスに基づいて、ハッシュテーブル１２４又は関連データを取得する。いくつかの実装形態では、コンピュータ３０６及びコンピュータ１０６は、同じデバイスを指す。いくつかの実装形態では、コンピュータ１０６、コンピュータ３０６のどちらか、又はその両方を核酸シーケンサとすることができる。
【0116】
図３の例では、ゲノムデータリード３０２は、核酸配列リードである。コンピュータ３０６は、ゲノムデータリード３０２を受信し、受信されたゲノムデータリード３０２を、図１及び図２を参照して説明されたシステム、プロセス、又はその両方のうちの１つ以上を使用して生成されたハッシュテーブル内に記憶された参照ゲノムにマッピングすることができる。例えば、図１で生成されたハッシュテーブル１２４は、参照ゲノムを記憶するために使用され得る。次いで、後続のゲノムデータのリードは、図３又は図４に示されるようなプロセスを使用して、ハッシュテーブル１２４の参照ゲノムにマッピングされ得る。
【0117】
図３の段階Ａでは、コンピュータ３０６は、ゲノムデータリード３０２に基づいて生成されたｋ－ｍｅｒセット３０４を取得することができる。図１と同様に、ｋ－ｍｅｒセット３０４は、ゲノムデータリード３０２内で少なくとも１回表現される１つ以上のヌクレオチド配列を含む。コンピュータ３０６は、処理のためにｋ－ｍｅｒセット３０４を受信することができる。図３の例では、ｋ－ｍｅｒセット３０４は、ゲノムデータリード３０２のリード内で特定されたｋ－ｍｅｒを表すことができる。ゲノムデータリード３０２は、図１で生成されたハッシュテーブル１２４などのハッシュテーブルを使用して、参照ゲノムにマッピングすることができる。
【0118】
図３の段階Ｂでは、ハッシュ演算モジュール３０８及び出現カウンタモジュール３１０は、図１のハッシュ演算モジュール１０８及び出現カウンタモジュール１１４を参照して説明した動作と同様の動作を実行することができる。例えば、ハッシュ演算モジュール３０８及び出現カウンタモジュール３１０は、ｋ－ｍｅｒセット３０４に対してフィルタリングを実行するが、ハッシュ演算モジュール１０８及び出現カウンタモジュール１１４は、ｋ－ｍｅｒセット１０４に対してフィルタリングを実行する。本明細書内で論じられるとき、ゲノムデータが詳細に説明されているが、他の形態の受信データが、コンピュータ１０６及びコンピュータ３０６などのエンティティによって受信され得る。他の形態の受信データは、関連するモジュールによって同様に処理することができる。処理工程は、他の形態の受信データに基づいて変更され得る。コンピュータ３０６又はコンピュータ１０６は、論じられるように、コンピュータ３０６又はコンピュータ１０６が受信するデータの形態、タイプ、又は値に応じて動作を変更し得る。
【0119】
いくつかの実装形態では、他の形態のフィルタリングを使用することができる。例えば、ハッシュ演算モジュール３０８及び出現カウンタモジュール３１０の両方をｋ－ｍｅｒセット３０４に対して動作させる代わりに、ハッシュ演算モジュール３０８は、ハッシュ値を生成し、このハッシュ値に基づいて、ここでは第２のｋ－ｍｅｒセット３１４と呼ばれるｋ－ｍｅｒセット３０４のサブセットを決定する単独のフィルタプロセスを実行し得る。場合によっては、ハッシュ演算モジュール３０８又は出現カウンタモジュール３１０の代わりに、又はそれに加えて、別の形態のフィルタリングが使用される。
【0120】
いくつかの実装形態では、フィルタリングは、コンピュータ上で実行される様々なコンピュータプログラムを含むことができる。例えば、以下のアルゴリズム３に示されるように、コンピュータプログラムは、１つ以上のシステム変数を開始し、１つ以上のシステム変数に基づいて１つ以上の動作を実行することができる。場合によっては、フィルタリングされるアイテムを決定するために、「ｉｆ」ステートメント又は他の条件付きコーディング動作を使用することができる。
【0121】
【表3】
【0122】
上述のフィルタリングプロセスと同様に、１つ以上のハッシュ値、及びｋ－ｍｅｒセット３０４の各ｋ－ｍｅｒがゲノムデータリード３０２内に出現する出現数を表す１つ以上の値を計算するために、１つ以上のｋ－ｍｅｒを含むｋ－ｍｅｒセット３０４を使用することができる。ハッシュ値は、所与のｋ－ｍｅｒのハッシュ値に基づいて、ハッシュ演算モジュール３０８が、システム３００内の更なるプロセスにそのｋ－ｍｅｒを含めるか、又はそのｋ－ｍｅｒを含めないように、ハッシュ演算モジュール３０８によって生成及び処理することができる。出現は、所与のｋ－ｍｅｒの出現数に基づいて、出現カウンタモジュール３１０が、システム３００内の更なるプロセスにそのｋ－ｍｅｒを含めるか、又はそのｋ－ｍｅｒを含めないように、出現カウンタモジュール３１０によって生成及び処理される。出現カウンタモジュール３１０によって生成される出現値は、所与のｋ－ｍｅｒ、すなわち、ｋ－ｍｅｒのヌクレオチド配列が、ゲノムデータリード３０２のより大きな配列内に現れる回数とすることができる。
【0123】
いくつかの実装形態では、ハッシュ演算モジュール３０８は、図１を参照して論じられたモジュロ演算と同様のモジュロ演算を使用することができる。ハッシュ演算モジュール３０８は、所与のハッシュ値のモジュロｓｅｅｄＭｏｄＶａｌｕｅを計算し得る。場合によっては、ｓｅｅｄＭｏｄＶａｌｕｅは、８などの整数に等しい。本明細書は、いかなる特定の数にも限定されない。ｓｅｅｄＭｏｄＶａｌｕｅの値は、最適化動作又は他の様々なパラメータに基づいて変更され得る。
【0124】
いくつかの実装形態では、本明細書で論じられる１つ以上の変数の特定の値範囲は、他の可能な値範囲よりも有利であり得る。例えば、ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅは、より多くのｋ－ｍｅｒがハッシュテーブル１２４などの所与のハッシュテーブル内にインデックス付けされることを可能にするために、増加させられ得る。しかしながら、ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅを増加させることは、ハッシュテーブル１２４のメモリ使用量及びサイズを潜在的に増加させる可能性があり、これは、処理時間をある程度増加させ得る。非常に低い値は、ハッシュテーブルに基づいてリードと一致するデータポイントがより少なくなる、より小さなハッシュテーブルをもたらし得、それによって、ハッシュテーブルに基づいて得られた結果の精度を低下させる可能性がある。様々な他のトレードオフ及び効果は、１つ以上の関連する変数に依存し得る。例えば、所与のｋ－ｍｅｒ若しくはシードの長さを示すシード長、所与のリードの長さを示すリード長、使用される特定の参照ゲノム、ハッシュテーブル内に記憶された位置の数、又は関連する変数を含む１つ以上の変数が、処理状態、ユーザ選好、性能、又は他の条件に基づいて変更され得る。
【0125】
図１及び図３の例で使用されるｓｅｅｄＭｏｄＶａｌｕｅを参照して、いくつかの実装形態では、ｓｅｅｄＭｏｄＶａｌｕｅに関連した値が低減されて、結果として得られるフィルタリングされたｋ－ｍｅｒ又は他のアイテムのセットのサイズを増加させ得る。例えば、極端な場合、ｓｅｅｄＭｏｄＶａｌｕｅは、１の値に低減することができ、この場合、本明細書で論じられるモジュロ演算は０に等しくなる。所与のｋ－ｍｅｒがフィルタリングされたセットに含められると決定する値が０である実装形態では、１のモジュロ値は、ｋ－ｍｅｒ又は他のアイテムのセット全体が最終のフィルタリングされたセットとして使用されることを意味する。いくつかの実装形態では、より大きい数が、ｓｅｅｄＭｏｄＶａｌｕｅに使用され得る。例えば、極端な場合、ｓｅｅｄＭｏｄＶａｌｕｅは、１００の値に増加させることができる。高いｓｅｅｄＭｏｄＶａｌｕｅ値で結果として得られるフィルタリング動作は、より少ない数のアイテムを最終のフィルタリング結果に残す。場合によっては、これは、より多くのマッピングされていないリードをもたらす可能性がある。約１００ヌクレオチドのリード長の場合、１００を超えるｓｅｅｄＭｏｄＶａｌｕｅの値は、マッピングされていないリードが多くなりすぎる原因となる可能性があり、したがって、一般に、効果的な処理をもたらさない。しかしながら、１０００ヌクレオチド程度の、より長いリードの場合、より高い値のｓｅｅｄＭｏｄＶａｌｕｅは、潜在的に、より有利であり得る。
【0126】
ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅ及びｓｅｅｄＭｏｄＶａｌｕｅはどちらもハッシュテーブルサイズに直接影響を与える可能性がある。所与のハッシュテーブルのメモリ使用量は、フィルタリング後に保持されたシード又はｋ－ｍｅｒｓの数に、ハッシュテーブル内の各セルのサイズと所与の量の値に対して十分なセルを生成するために使用される負荷係数との両方を乗じたものとして定義することができる。１バイトのシグネチャー及び４バイトの値が１セルあたり５バイトをもたらす場合を考慮すると、ハッシュテーブル１２４などのハッシュテーブル内の各セルは、メモリの５バイトを占め得る。例示目的で、ヒトゲノムの例を考察する。ヒトゲノムは、約３０億個のヌクレオチドを含む。場合によっては、ヒトゲノムから、約３０億個のｋ－ｍｅｒが、シード長を含む１つ以上の変数に応じて導出され得る。図１及び図３の例で論じられたハッシュ又は出現フィルタリングなどのフィルタリングがない場合、ヒトゲノムに関連するｋ－ｍｅｒのフィルタリングされたセットは、ヒトゲノムに関連するｋ－ｍｅｒの初期セット、すなわち、約３０億に等しい。５バイトのセルに相当するｋ－ｍｅｒが記憶され、ハッシュテーブルが２の負荷係数に基づいて生成される場合、ヒトゲノムは、３０ギガバイトのハッシュテーブルに記憶され得る。フィルタリングがある場合、例えば、８のｓｅｅｄＭｏｄＶａｌｕｅを使用するハッシュフィルタリング及び２０のＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅを使用する出現フィルタリングがある場合、同じヒトゲノムは、約１．４ギガバイトで記憶され得る。ｓｅｅｄＭｏｄＶａｌｕｅの値を４に変更すると、メモリ使用量はほぼ２倍になり得る。いくつかの実装形態では、値は、所与の用途の所望のメモリ使用量に基づいて選択され得る。最も有利な値は、ｓｅｅｄＭｏｄＶａｌｕｅ、ＭａｘＳｅｅｄＯｃｃｕｒｒｅｎｃｅ、シード長、リード長、シーケンシングエラー率、又は任意の他の関連パラメータを含む１つ以上の値の値を自動的に変化させることを含む１つ以上の最適化プロセスに基づいて選択され得る。
【0127】
いくつかの実装形態では、出現カウンタモジュール３１０は、図１の出現カウンタモジュール１１４と同様の出現閾値を使用することができる。例えば、出現カウンタモジュール３１０は、ｋ－ｍｅｒセット３０４の各ｋ－ｍｅｒに対して計算された各出現値を出現閾値と比較することができる。出現値と出現閾値との比較に基づいて、出現カウンタモジュール３１０は、所与の出現値に対応してシステム３００を使用する更なるプロセスに、そのｋ－ｍｅｒを含めるか、又はそのｋ－ｍｅｒを含めない。
【0128】
図３の例では、ｋ－ｍｅｒセット３０４をフィルタリングして、第２のｋ－ｍｅｒセット３１４を生成することができる。第２のｋ－ｍｅｒセット３１４は、ｋ－ｍｅｒセット３０４のサブセットである。いくつかの実装形態では、第２のｋ－ｍｅｒセット３１４は、他のフィルタリング技術に基づいて生成される。例えば、ハッシュ演算モジュール３０８及び出現カウンタモジュール３１０によって処理する代わりに、システム３００は、乱数生成器を含み、この乱数生成器の出力を使用して、ｋ－ｍｅｒセット３０４のサブセットを生成することができる。また、当該技術分野において既知の他のフィルタリング技術を使用して、後続のデータセットが初期データセットよりも少ないアイテムを含むように、所与のデータセット内のアイテムの数を減らすこともできる。いくつかの実装形態では、ランダムアルゴリズム又は固定ストライド長インデキシングなど、図１を参照して論じたフィルタリング技術もまた、使用され得る。
【0129】
図３の段階Ｃでは、候補生成モジュール３１６は、候補アライメント箇所３２０を生成する。場合によっては、候補アライメント箇所は、参照配列箇所と称され得る。候補アライメント箇所３２０は、ゲノムデータリード３０２によって表されるリードに対応するデータが参照ゲノム内で出現する場所に対応する情報を含む。いくつかの実装形態では、システム３００は、ｋ－ｍｅｒセット３０４内のゲノムデータリード３０２に対応するｋ－ｍｅｒを使用して、ｋ－ｍｅｒセット３０４内でのそのｋ－ｍｅｒの位置に基づいて、ゲノムデータリード３０２によって表されるリードが参照ゲノムと一致する場所を決定することができる。参照ゲノムは、図１に示されるようにハッシュテーブルに記憶され得る。このハッシュテーブルは、ｋ－ｍｅｒセット３０４の１つ以上のｋ－ｍｅｒに対して対応する位置を決定するために、システム３００によって使用され得る。
【0130】
候補生成モジュール３１６は、第２のｋ－ｍｅｒセット３１４のｋ－ｍｅｒに基づいて候補アライメント箇所３２０を生成することができる。例えば、図３に示すように、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧは、参照ゲノム上でのゲノムデータリード３０２の箇所「箇所Ｘ」に対応する。アイテム３１８は、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧに対応する候補アライメント箇所を生成するプロセスを示す。ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧが１つ以上のフィルタリング工程を通過した後、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧは、ハッシュテーブル３１８ｃでクエリされる。いくつかの実装形態では、ハッシュテーブル３１８ｃは、図１のハッシュテーブル１２４と同等である。ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧに対応する参照ゲノム位置に対応する、値３１８ｂは、候補生成モジュール３１６によって得ることができる。候補生成モジュール３１６はまた、アイテム３１８ａに示されるように、ゲノムデータリード３０２内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの箇所も得る。アイテム３１８ａに示される、ゲノムデータリード３０２内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの箇所、及びハッシュテーブル３１８ｃに対応するアイテム３１８ｂに示される、参照ゲノム内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの箇所に基づいて、候補生成モジュール３１６は、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧに対応する参照ゲノム上にマッピングされたゲノムデータリード３０２のマッピングに対応する箇所「箇所Ｘ」を決定することができる。
【0131】
いくつかの実装形態では、候補生成モジュール３１６は、１つ以上の得られた箇所に基づいて１つ以上の箇所を計算することができる。例えば、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの場合、候補生成モジュール３１６は、アイテム３１８ａに示される、ゲノムデータリード３０２内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの箇所、及びハッシュテーブル３１８ｃに対応するアイテム３１８ｂに示される、参照ゲノム内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの箇所を得、２つの箇所に基づいて箇所「箇所Ｘ」を計算することができる。例えば、一致する配列の箇所が、２つ以上のリード間の一致する配列の開始として記憶される実装では、候補生成モジュール３１６は、参照ゲノムに対応するハッシュテーブル３１８ｃ内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの位置から、ゲノムデータリード３０２内でのｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧの位置を減算することに基づいて、箇所「箇所Ｘ」を生成することができる。候補生成モジュール３１６は、同様の方法を使用して、ｋ－ｍｅｒｓ ＣＡＴＴ．．．ＧＧ、ＡＧＴＣ．．．ＣＴ、及びＧＧＡＴ．．．ＣＣの箇所を生成することができる。
【0132】
図３の段階Ｄでは、ソーティングモジュール３２２は、候補アライメント箇所３２０をソーティングすることができる。一般に、任意の好適なソーティング技術が使用され得る。図３の例では、ソーティングモジュール３２２は、計算されたカウントに基づいて候補アライメント箇所３２０をソーティングすることができる。計算されたカウントは、候補アライメント箇所３２０のうちの所与の候補アライメント箇所に対して支持するｋ－ｍｅｒの数を表す。例えば、候補アライメント箇所３２０内の箇所のうちの１つ以上は、第２のｋ－ｍｅｒセット３１４の２つ以上のｋ－ｍｅｒが、ハッシュテーブル３１８ｃによって表される参照ゲノム上でのゲノムデータリード３０２の同じアライメントに対応することを示す重複物であり得る。２つのｋ－ｍｅｒが同じアライメントに対応する場合、そのアライメントのカウントは２である。図３の例では、箇所「箇所Ｘ」のカウントはカウントＸであり、箇所「箇所Ｙ」のカウントはカウントＹであり、箇所「箇所Ｚ」のカウントはカウントＺである。アライメントは、カウントＸ及びカウントＺよりも大きいカウントＹが、箇所Ｘ及び箇所Ｚよりも上に記憶されている箇所Ｙをもたらすように、降順でソーティングすることができる。同様に、カウントＸはカウントＸよりも大きく、その結果、箇所Ｘは箇所Ｚよりも上に記憶される。図３の例では、アライメント箇所は降順でソーティングすることができるが、本明細書では他の可能なソーティング順序が企図される。
【0133】
アライメント処理工程を最適化するために、アライメントを降順に基づいてソーティングすることが使用され得る。例えば、より多くの支持するｋ－ｍｅｒを有するアライメントは、より少ない支持するｋ－ｍｅｒを有するアライメントよりも少ないミスマッチを有する傾向がある。各ｋ－ｍｅｒは、最終アライメントを選択する前に、ミスマッチの数を決定するために調査され得る。一連の基準に合格する可能性がより高いアライメントを先に処理することにより、システム３００は、アライメントの処理を高速化することができる。
【0134】
段階Ｅでは、スコアリング及び出力モジュール３２６は、箇所Ｙに対応するソーティングされた候補アライメントリスト３２４の第１の箇所を取得することができる。箇所Ｙは、ハッシュテーブル３１８ｃに対応する参照ゲノムに基づいてスコアリングされる。図３の例では、スコアリング及び出力モジュール３２６は、箇所Ｙに関連付けられたｋ－ｍｅｒ ＡＧＴＣ．．．ＣＴに対応する、ゲノムデータリード３０２などのゲノムデータと、参照ゲノムデータがハッシュテーブル３１８ｃを生成するために使用されている、ハッシュテーブル３１８ｃに対応する参照ゲノムデータとの間のミスマッチの数を計算することができる。ミスマッチは、ゲノムデータリード３０２のヌクレオチドが参照ゲノムデータのヌクレオチドに一致しないことを指し得る。例えば、照合された配列に沿った所与の位置において、一方の配列はヌクレオチドＡに対応し得るが、他方の配列はヌクレオチドＧに対応し得る。そのようなミスマッチが、スコアリング及び出力モジュール３２６によって計算され得る。
【0135】
スコアリング及び出力モジュール３２６は、アライメント箇所Ｙに対応するミスマッチの総数を生成することができ、また、スコアＡが少なくともいくつかのミスマッチを表す、スコアＡを生成することができる。場合によっては、スコアＡを含むスコア３２８を生成するために、他のパラメータ又は値が使用され得る。図３の例では、スコアリング及び出力モジュール３２６は、スコアＡを閾値３３０と比較することができる。閾値３３０は、一般に、任意の好適な値であり得る。図３の例では、閾値３３０は値４に等しく、４はミスマッチの数を表す。いくつかの実装形態では、他の値が使用され得る。例えば、閾値３３０の別の好適な値を決定するために、最適化プロセスが使用され得る。スコアリング及び出力モジュール３２６は、スコアＡを閾値３３０と比較することに基づいて、スコアＡが閾値を満たさず、したがって箇所Ｙは選択されないと判定することができる。次いで、スコアリング及び出力モジュール３２６は、１つ以上の他の箇所を処理することができる。
【0136】
スコアリング及び出力モジュール３２６は、アライメント箇所Ｘに対応するミスマッチの総数を生成することができ、また、スコアＢが少なくともいくつかのミスマッチを表す、スコアＢを生成することができる。図３の例では、スコアリング及び出力モジュール３２６は、スコアＢを閾値３３０と比較することができる。スコアリング及び出力モジュール３２６は、スコアＢと閾値３３０との比較に基づいて、スコアＢが閾値３３０を満たすと判定することができる。スコアＢが閾値３３０を満たすと判定することに基づいて、スコアリング及び出力モジュール３２６は、選択された候補３３２を出力することができる。選択された候補３３２は、ｋ－ｍｅｒ ＣＡＴＴ．．．ＧＧ、箇所Ｘ、又はスコアＢを表すデータを含み得る。
【0137】
いくつかの実装形態では、基準を満たすスコアがない。この場合、所与の基準に基づいてスコア３２８の中から１つのスコアが選択され得る。例えば、所与の基準は、スコア３２８のうちの１つ以上を比較して、最も少ない量のミスマッチを有するアライメントを表す最小のスコアを決定することを含み得る。次いで、最低スコアに対応する箇所を、選択された候補として出力することができる。
【0138】
段階Ｆでは、コンピュータ３０６は、選択された候補３３２を取得し、選択された候補３３２を表すデータ３３４を別のエンティティ又はプロセスに送信することができる。場合によっては、コンピュータ３０６は、通信ネットワークを介して別のエンティティ又はデバイスにデータ３３４を送信することができる。例えば、別のデバイスは、ゲノムデータリード３０２に関連する選択された候補の要求を送信することができる。次いで、コンピュータ３０６は、この他のデバイスに、選択された候補３３２を送信することができる。
【0139】
図４は、ソフトウェアで加速されたゲノムリードマッピングのためのハッシュテーブルを生成するためのプロセス４００の例を示すフロー図である。プロセス４００は、１つ以上の電子システム、例えば、図３のシステム３００によって実行され得る。
【0140】
プロセス４００は、１つ以上のコンピュータによって、ゲノムデータリードからｋ－ｍｅｒシードを取得することを含む（４０２）。いくつかの実装形態では、ｋ－ｍｅｒシードは、ゲノムデータリードに関連付けられたより長いヌクレオチドの配列に基づくヌクレオチドの配列の表現である。いくつかの実装形態では、ゲノムデータリードは、コンピュータ又はハードウェアで加速されたデバイス上で実行されるリード分析動作の結果である。
【0141】
プロセス４００は、１つ以上のコンピュータによって、取得したｋ－ｍｅｒシードに基づいてゲノムシグネチャーを生成することを含む（４０４）。いくつかの実装形態では、図３の候補生成モジュール３１６は、取得したｋ－ｍｅｒシードのシグネチャーを生成するために、部分的に、使用される。いくつかの実装形態では、取得したｋ－ｍｅｒシードのシグネチャーは、ハッシュ関数に基づいて生成される。例えば、ハッシュ関数は、取得したｋ－ｍｅｒシードの表現に対して演算することができる。ハッシュ関数は、ゲノムシグネチャーとして使用され得る結果を生成することができる。いくつかの実装形態では、ハッシュ関数が結果を生成する前又はその後に、１つ以上の中間処理工程を用いることができる。例えば、ハッシュ関数は結果を生成することができ、この結果には、ゲノムシグネチャーを生成するために第２の動作を適用することができる。
【0142】
プロセス４００は、１つ以上のコンピュータによって、ハッシュデータ構造を使用してｋ－ｍｅｒシードの少なくとも一部に一致する１つ以上の参照配列箇所を決定することを含む（４０６）。いくつかの実装形態では、ハッシュデータ構造は、所定のゲノムシグネチャーを記憶する第１の部分と、所定のゲノムシグネチャーが導出されたｋ－ｍｅｒシードの少なくとも一部と一致する１つ以上の参照配列箇所を記憶する第２の部分とを含むＮ個のデータセルを含む。いくつかの実装形態では、所定のゲノムシグネチャーは、メモリ記憶の１バイトを占める。いくつかの実装形態では、ハッシュデータ構造は、図１に示されるハッシュテーブル１２４を生成するプロセスと同様に生成される。
【0143】
プロセス４００は、１つ以上のコンピュータによって、１つ以上のアライメントスコアに基づいて、決定した参照配列箇所のうちの少なくとも１つを、取得したｋ－ｍｅｒシードの実際のアライメントとして選択することを含む（４０８）。いくつかの実装形態では、１つ以上のアライメントスコアに基づいて、取得したｋ－ｍｅｒシードの実際のアライメントを決定するために、１つ以上の箇所が決定され、１つ以上の箇所をスコアリングする方法が使用される。例えば、所与のアライメントのミスマッチの数を計算することができ、ミスマッチの数は、参照ヌクレオチド配列の１つ以上のヌクレオチドに一致しない、リードの１つ以上のヌクレオチドを含むことができる。ミスマッチは、リードの１つ以上のヌクレオチドの表現及び参照ヌクレオチド配列の１つ以上のヌクレオチドの表現、並びに参照ヌクレオチド配列に対するリードの所与の候補開始箇所に基づいたこの２つの表現間の比較に基づいて計算され得る。
【0144】
図５は、多変量順序データに基づいたジョイントモデルを使用して医学分析を生成するためのシステムを実装するために使用することができるコンピュータシステム５００の構成要素の図である。
【0145】
コンピューティングデバイス５００は、ラップトップ、デスクトップ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、及び他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことが意図されている。コンピューティングデバイス５５０は、パーソナルデジタルアシスタント、携帯電話（cellular telephone）、スマートフォン、及び他の同様のコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すことが意図されている。加えて、コンピューティングデバイス５００又は５５０は、ユニバーサルシリアルバス（Universal Serial Bus、ＵＳＢ）フラッシュドライブを含むことができる。ＵＳＢフラッシュドライブは、オペレーティングシステム及び他のアプリケーションを記憶することができる。ＵＳＢフラッシュドライブは、別のコンピューティングデバイスのＵＳＢポートに挿入できる無線送信機又はＵＳＢコネクタなどの入力／出力構成要素を含むことができる。本明細書に示される構成要素、この構成要素の接続及び関係、並びにこの構成要素の機能は、単なる例であることを意味し、本文書に記載及び／又は特許請求される発明の実装形態を限定することを意味するものではない。
【0146】
コンピューティングデバイス５００は、プロセッサ５０２、メモリ５０４、記憶デバイス５０６、メモリ５０４及び高速拡張ポート５１０に接続する高速インターフェース５０８、並びに低速バス５１４及び記憶デバイス５０６に接続する低速インターフェース５１２を含む。構成要素５０２、５０４、５０６、５０８、５１０、及び５１２の各々は、様々なバスを使用して相互接続されており、共通のマザーボード上に、又は適宜他の様式で装着することができる。プロセッサ５０２は、メモリ５０４内に又は記憶デバイス５０６上に記憶した命令を含む、コンピューティングデバイス５００内での実行のための命令を処理して、高速インターフェース５０８に連結されたディスプレイ５１６などの外部入力／出力デバイス上でＧＵＩ用のグラフィカル情報を表示することができる。他の実装形態では、複数のプロセッサ及び／又は複数のバスを、適宜、複数のメモリ及び複数種類のメモリと共に使用できる。また、複数のコンピューティングデバイス５００を接続して、各デバイスが、例えば、サーババンク、ブレードサーバ群、又はマルチプロセッサシステムとして、必要な演算の部分を提供するようにすることができる。
【0147】
メモリ５０４は、コンピューティングデバイス５００内に情報を記憶する。一実装形態では、メモリ５０４は、揮発性メモリユニット又は複数の揮発性メモリユニットである。別の実装形態では、メモリ５０４は、不揮発性メモリユニット又は複数の不揮発性メモリユニットである。メモリ５０４はまた、磁気ディスク又は光ディスクなどの、別の形態のコンピュータ可読媒体であり得る。
【0148】
記憶デバイス５０６は、コンピューティングデバイス５００のための大容量ストレージを提供することができる。一実装形態では、記憶デバイス５０６は、フロッピーディスクデバイス、ハードディスクデバイス、光ディスクデバイス、若しくはテープデバイス、フラッシュメモリ若しくは他の類似のソリッドステートメモリデバイス、又はストレージエリアネットワーク若しくは他の構成内のデバイスを含むデバイスのアレイなど、コンピュータ可読媒体とすることができるか、又はそれを内包することができる。コンピュータプログラム製品は、情報キャリア内に、有形に実施できる。コンピュータプログラム製品はまた、実行されると、上述したものなどの１つ以上の方法を実行する命令を内包することができる。情報キャリアとは、メモリ５０４、記憶デバイス５０６、又はプロセッサ５０２上のメモリなど、コンピュータ可読媒体又はマシン可読媒体である。
【0149】
高速コントローラ５０８は、コンピューティングデバイス５００の帯域幅集約演算を管理する一方、低速コントローラ５１２は、低帯域幅集約演算を管理する。このような機能の割り当ては、一実施例に過ぎない。一実装形態では、高速コントローラ５０８は、例えば、グラフィックプロセッサ又はアクセラレータを経てメモリ５０４、ディスプレイ５１６へ、及び様々な拡張カード（非表示）を受け入れることができる高速拡張ポート５１０へ連結されている。この実装形態では、低速コントローラ５１２は、記憶デバイス５０６及び低速拡張ポート５１４に連結されている。様々な通信ポート、例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ、Ｅｔｈｅｒｎｅｔ、無線Ｅｔｈｅｒｎｅｔを含むことができる低速拡張ポートは、例えば、ネットワークアダプタを介して、キーボード、ポインティングデバイス、マイクロフォン／スピーカペア、スキャナ、又はスイッチ若しくはルータなどのネットワーキングデバイスなどの１つ以上の入力／出力デバイスに結合できる。コンピューティングデバイス５００は、図に示されるように、いくつかの異なる形態で実装することができる。例えば、コンピューティングデバイスは標準サーバ５２０として実装することができ、又はかかるサーバ群において複数回実装することができる。コンピューティングデバイスはまた、ラックサーバシステム５２４の一部として実装できる。加えて、コンピューティングデバイスは、ラップトップコンピュータ５２２などのパーソナルコンピュータに実装できる。あるいは、コンピューティングデバイス５００からの構成要素を、デバイス５５０などのモバイルデバイス（非表示）内の他の構成要素と組み合わせることができる。このようなデバイスの各々は、コンピューティングデバイス５００、５５０のうちの１つ以上を内包することができ、システム全体を、互いに通信する複数のコンピューティングデバイス５００、５５０から構成することができる。
【0150】
コンピューティングデバイス５００は、図に示されるように、いくつかの異なる形態で実装することができる。例えば、コンピューティングデバイスは標準サーバ５２０として実装することができ、又はかかるサーバ群において複数回実装することができる。コンピューティングデバイスはまた、ラックサーバシステム５２４の一部として実装できる。加えて、コンピューティングデバイスは、ラップトップコンピュータ５２２などのパーソナルコンピュータに実装できる。あるいは、コンピューティングデバイス５００からの構成要素を、デバイス５５０などのモバイルデバイス（非表示）内の他の構成要素と組み合わせることができる。このようなデバイスの各々は、コンピューティングデバイス５００、５５０のうちの１つ以上を内包することができ、システム全体を、互いに通信する複数のコンピューティングデバイス５００、５５０から構成することができる。
【0151】
コンピューティングデバイス５５０は、構成要素の中でもとりわけ、プロセッサ５５２、メモリ５６４、並びにディスプレイ５５４、通信インターフェース５６６、及び送受信機５６８などの入出力デバイスを含む。デバイス５５０はまた、追加のストレージを設けるために、マイクロドライブ又は他のデバイスなどの、記憶デバイスを設けることができる。構成要素５５０、５５２、５６４、５５４、５６６、及び５６８の各々は、様々なバスを使用して相互接続されており、構成要素はのうちのいくつかは、共通のマザーボード上に、又は適宜他の手法で実装できる。
【0152】
プロセッサ５５２は、メモリ５６４に記憶された命令を含む、コンピューティングデバイス５５０内の命令を実行することができる。プロセッサは、別個及び複数のアナログ及びデジタルプロセッサを含むチップのチップセットとして実装できる。これに加えて、プロセッサは、いくつかのアーキテクチャのうちのいずれかを使用して実装できる。例えば、プロセッサ５１０を、ＣＩＳＣ（Complex Instruction Set Computers、複合命令セットコンピュータ）プロセッサ、ＲＩＳＣ（Reduced Instruction Set Computer、縮小命令セットコンピュータ）プロセッサ、又はＭＩＳＣ（Minimal Instruction Set Computer、最小命令セットコンピュータ）プロセッサとすることができる。プロセッサは、例えば、ユーザインターフェースの制御、デバイス５５０によって実行されるアプリケーション、及びデバイス５５０による無線通信など、デバイス５５０の他の構成要素の協調を提供することができる。
【0153】
プロセッサ５５２は、制御インターフェース５５８と、ディスプレイ５５４に連結されたディスプレイインターフェース５５６とを経て、ユーザと通信することができる。ディスプレイ５５４を、例えば、ＴＦＴ（Thin-Film-Transistor Liquid Crystal Display、薄膜トランジスタ液晶ディスプレイ）ディスプレイ、ＯＬＥＤ（Organic Light Emitting Diode、有機発光ダイオード）ディスプレイ、又は他の適切なディスプレイ技術とすることができる。ディスプレイインターフェース５５６は、ディスプレイ５５４を駆動してグラフィカル情報及び他の情報をユーザに提示するための適切な回路を備えることができる。制御インターフェース５５８は、ユーザからコマンドを受信し、このコマンドをプロセッサ５５２への転送のために変換することができる。加えて、デバイス５５０と他のデバイスとの近距離無線通信を可能にするために、外部インターフェース５６２を、プロセッサ５５２との通信に提供することができる。外部インターフェース５６２を、例えば、いくつかの実装形態では有線通信用に、又は他の実装形態では無線通信用に提供することができ、多重インターフェースもまた使用することができる。
【0154】
メモリ５６４は、コンピューティングデバイス５５０内に情報を記憶する。メモリ５６４は、コンピュータ可読媒体（複数可）、揮発性メモリユニット（複数可）、又は不揮発性メモリユニット（複数可）のうちの１つ以上として実装され得る。また、例えばＳＩＭＭ（Single In Line Memory Module、シングルインラインメモリモジュール）カードインターフェースを含むことができる、拡張インターフェース５７２を介して、デバイス５５０に拡張メモリ５７４を提供及び接続することができる。このような拡張メモリ５７４は、デバイス５５０のための増設記憶空間を提供することができるか、又は、デバイス５５０のためのアプリケーション若しくは他の情報を記憶することもできる。具体的には、拡張メモリ５７４は、上述したプロセスを実行又は補完する命令を含むことができ、セキュアな情報を含むこともできる。したがって、例えば、拡張メモリ５７４は、デバイス５５０のためのセキュリティモジュールとして設けることができ、デバイス５５０のセキュアな使用を可能にする命令を用いてプログラムすることができる。加えて、セキュアなアプリケーションは、ＳＩＭＭカードを介して、ハッキング不能な手法でＳＩＭＭカード上に識別情報を配置するなど、追加情報と共に提供できる。
【0155】
メモリは、例えば、後述するように、フラッシュメモリ及び／又はＮＶＲＡＭメモリを含むことができる。一実装形態では、コンピュータプログラム製品は、情報キャリア内で有形に実施される。コンピュータプログラム製品は、実行されると、上述したものなどの１つ以上の方法を実行する命令を内包する。情報キャリアは、例えば、送受信機５６８又は外部インターフェース５６２を介して受信できるメモリ５６４、拡張メモリ５７４又はプロセッサ５５２上のメモリなどの、コンピュータ可読媒体又はマシン可読媒体である。
【0156】
デバイス５５０は、必要な場合、デジタル信号処理回路を含むことができる通信インターフェース５６６を経て無線通信することができる。通信インターフェース５６６はとりわけ、ＧＳＭ音声通話、ＳＭＳ、ＥＭＳ、又はＭＭＳメッセージング、ＣＤＭＡ、ＴＤＭＡ、ＰＤＣ、ＷＣＤＭＡ、ＣＤＭＡ２０００、又はＧＰＲＳなど、様々なモード又はプロトコルの下での通信を提供することができる。このような通信は、例えば、無線周波数トランシーバ５６８を経て行うことができる。加えて、Ｂｌｕｅｔｏｏｔｈ、Ｗｉ－Ｆｉ、又は他のこのような送受信機（図示せず）を使用するなど、短距離通信が行われることが可能である。加えて、ＧＰＳ（Global Positioning System、全地球測位システム）受信機モジュール５７０が、デバイス５５０に追加のナビゲーション関連及び位置関連の無線データを提供することができ、デバイス５５０上で動作するアプリケーションによって適宜使用できる。
【0157】
デバイス５５０はまた、オーディオコーデック５６０を使用して可聴的に通信することができ、オーディオコーデック５６０は、ユーザから発話情報を受信し、この発話情報を使用可能なデジタル情報に変換することができる。オーディオコーデック５６０は同じく、例えば、デバイス５５０のハンドセット内の、スピーカを経るなど、ユーザのために可聴音を生成することができる。このような音は、音声電話通話からの音を含むことができ、録音された音、例えば、音声メッセージ、音楽ファイルなどを含むことができ、また、デバイス５５０上で動作するアプリケーションによって生成される音を含むこともできる。
【0158】
コンピューティングデバイス５５０は、図に示されるように、いくつかの異なる形態で実装することができる。例えば、コンピューティングデバイスは、携帯電話５８０として実装できる。また、コンピューティングデバイスを、スマートフォン５８２、パーソナルデジタルアシスタント、又は他の同様のモバイルデバイスの一部として実装することもできる。
【0159】
本明細書に記載されるシステム及び方法の様々な実装形態は、デジタル電子回路、集積回路、専用に設計されたＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はこのような実装形態の組み合わせで実現できる。これらの様々な実装形態は、専用又は汎用であり、記憶システム、少なくとも１つの入力デバイス、及び少なくとも１つの出力デバイスからデータ及び命令を受信し、かつこれらにデータ及び命令を送信するように結合された少なくとも１つのプログラム可能なプロセッサを含むプログラム可能なシステム上で実行可能及び／又は解釈可能である１つ以上のコンピュータプログラムでの実装形態を含むことができる。
【0160】
これらのコンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとしても知られている）は、プログラム可能なプロセッサのためのマシン命令を含み、高水準手続き型及び／又はオブジェクト指向プログラミング言語で、及び／又はアセンブリ／マシン言語で実装できる。本明細書で使用されるとき、用語「マシン可読媒体」「コンピュータ可読媒体」は、任意のコンピュータプログラム製品、装置、及び／又はデバイス、例えば、磁気ディスク、光ディスク、メモリ、マシン命令及び／又はデータをプログラム可能なプロセッサに提供するために使用されるプログラマブルロジックデバイス（Programmable Logic Device、ＰＬＤ）を指し、マシン可読信号としてマシン命令を受信するマシン可読媒体を含む。用語「マシン可読信号」は、プログラム可能なプロセッサにマシン命令及び／又はデータを提供するために使用される任意の信号を指す。
【0161】
ユーザとのインタラクションを提供するために、本明細書に記載されるシステム及び技術は、ユーザに情報を表示するためのディスプレイデバイス、例えば、ＣＲＴ（cathode ray tube、陰極線管）又はＬＣＤ（liquid crystal display、液晶ディスプレイ）モニタ、並びにユーザがコンピュータに入力を提供することができるキーボード及びポインティング装置、例えばマウス又はトラックボールを有するコンピュータ上に実装することができる。他の種類のデバイスを使用して、ユーザとのインタラクションを提供することもでき、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバックとすることができ、ユーザからの入力は、音響入力、発話入力、又は触覚入力を含む任意の形態で受信することができる。
【0162】
本明細書に記載されるシステム及び技術は、例えばデータサーバとしての、バックエンド構成要素を含むコンピューティングシステムで、又はミドルウェアコンポーネント、例えば、アプリケーションサーバを含むコンピューティングシステムで、又はフロントエンド構成要素、例えばユーザが介して本明細書に記載されるシステム及び技術の実装形態とインタラクトすることができるグラフィカルユーザインターフェース又はウェブブラウザを有するクライアントコンピュータを含むコンピューティングシステムで、又はこのようなバックエンド、ミドルウェア、又はフロントエンドの構成要素の任意の組み合わせで、実装できる。システムの構成要素は、デジタルデータ通信、例えば通信ネットワークの任意の形態又は媒体によって相互接続できる。通信ネットワークの例として、ローカルエリアネットワーク（「ＬＡＮ」）、広域ネットワーク（「ＷＡＮ」）、及びインターネットが挙げられる。
【0163】
計算システムは、クライアント及びサーバを含むことができる。クライアント及びサーバは一般に、互いにリモートであり、通常、通信ネットワークを介してインタラクトする。クライアントとサーバとの関係は、それぞれのコンピュータ上で作動し、かつ互いにクライアント－サーバ関係を有するコンピュータプログラムによって生じる。
【0164】
いくつかの実施形態を記載してきた。しかしながら、本発明の趣旨及び範囲から逸脱することなく、様々な変更を行うことができることが理解されるであろう。加えて、図に描示される論理フローは、所望の結果を達成するために、示される特定の順序、又は連続的な順序を必要としない。加えて、他の工程を提供することができ、又は記載されたフローから工程を排除することができ、記載されたシステムに他の構成要素を追加するか、又は記載されたシステムから除去することができる。したがって、他の実施形態は、以下の特許請求の範囲内にある。
【0165】
本明細書に記載の本発明の実施形態、及び機能動作のすべては、本明細書に開示されている構造、及びこれらの構造的同等物を含む、デジタル電子回路、若しくはコンピュータソフトウェア、ファームウェア若しくはハードウェア、又はこれらのうちの１つ以上の組み合わせに実装することができる。本発明の実施形態は、１つ以上のコンピュータプログラム製品、例えば、データ処理装置による実行のために、又はデータ処理装置の動作を制御するためにコンピュータ可読媒体にコード化されるコンピュータプログラム命令のうちの１つ以上のモジュールとして実装することができる。コンピュータ可読媒体は、機械可読格納デバイス、機械可読格納基板、メモリデバイス、機械可読伝搬信号に影響を及ぼす組成物（composition of matter）、又はこれらのうちの１つ以上の組み合わせであり得る。「データ処理装置」という用語は、例としてプログラマブルプロセッサ、コンピュータ、又は複数のプロセッサ若しくはコンピュータを含む、データを処理するためのすべての装置、デバイス、及び機械を包含する。装置は、ハードウェアに加えて、問題のコンピュータプログラムのための実行環境を作り出すコード、例えば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、又はこれらのうちの１つ以上の組み合わせを構成するコードを含むことができる。伝播信号は、人工的に生成された信号、例えば、適切な受信装置への伝送のための情報をコード化するために生成される機械生成された電気、光学、又は電磁信号である。
【0166】
コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、又はコードとしても知られる）は、コンパイル型言語又はインタープリタ型言語を含む任意の形式のプログラミング言語で記述することができ、スタンドアロンプログラムとして、又はモジュール、コンポーネント、サブルーチンとして、又は計算環境での使用に適した他のユニットとしてを含む任意の形態で展開することができる。コンピュータプログラムは、必ずしもファイルシステム内のファイルに対応しない。プログラムを、他のプログラム若しくはデータを保持するファイルの一部（例えば、マークアップ言語のドキュメントに格納される１つ以上のスクリプト）に、問題のプログラム専用の単一のファイルに、又は複数の連携ファイル（例えば、１つ以上のモジュール、サブプログラム又はコードの一部を保存するファイル）に格納できる。コンピュータプログラムを展開して、１つの場所にある、若しくは複数の場所に分散して、通信網によって相互接続される、１つのコンピュータ又は複数のコンピュータ上で実行することができる。
【0167】
本明細書に記載のプロセス及び論理フローは、入力データを処理して出力を生成することによって機能を実行するために、１つ以上のコンピュータプログラムを実行する１つ以上のプログラマブルプロセッサによって実行され得る。プロセス及び論理フローはまた、特殊用途論理回路、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、又はＡＳＩＣ（特定用途向け集積回路）によって実行され得、及び装置はまた、特殊用途論理回路、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、又はＡＳＩＣ（特定用途向け集積回路）として実装され得る。
【0168】
コンピュータプログラムの実行に適しているプロセッサは、例えば汎用及び特殊用途両方のマイクロプロセッサ、並びに任意の種類のデジタルコンピュータのうちの１つ以上の任意のプロセッサを含む。一般にプロセッサは、命令及びデータを、読み取り専用メモリ若しくはランダムアクセスメモリ、又は両方から受け取る。コンピュータの必須の要素は、命令を実行するためのプロセッサ、並びに命令及びデータを格納するための１つ以上のメモリデバイスである。一般に、コンピュータはまた、データを格納するための１つ以上の大容量記憶デバイス、例えば、磁気、光磁気ディスク若しくは光ディスクからデータを受け取る、大容量記憶デバイスへデータを送信する、若しくは両方のために、大容量記憶デバイスを含む、又は大容量記憶デバイスに動作可能に連結される。しかし、コンピュータはこのようなデバイスを備えている必要はない。更にコンピュータは、別のデバイス、例えば、いくつか例を挙げてみると、タブレットコンピュータ、携帯電話、パーソナルデジタルアシスタント（ＰＤＡ）、携帯オーディオプレーヤ、全地球測位システム（ＧＰＳ）受信器に組み込むことができる。コンピュータプログラム命令及びデータを格納するのに適したコンピュータ可読媒体には、不揮発性メモリ、媒体、及びメモリデバイスのすべての形態が含まれ、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、及びフラッシュメモリデバイスなどの半導体メモリデバイス、例えば、内部ハードディスク又は取り外し可能なディスクなどの磁気ディスク、磁気光学ディスク、並びにＣＤ ＲＯＭ及びＤＶＤ－ＲＯＭディスクなどが含まれる。プロセッサ及びメモリは、特殊用途論理回路により補うことができる、又は特殊用途論理回路に組み込むことができる。
【0169】
ユーザとのインタラクションを提供するために、本発明の実施形態は、ユーザに情報を表示するためのディスプレイデバイス、例えば、ＣＲＴ（cathode ray tube、陰極線管）又はＬＣＤ（liquid crystal display、液晶ディスプレイ）モニタ、並びにユーザがコンピュータに入力を提供することができるキーボード及びポインティングデバイス、例えばマウス又はトラックボールを有するコンピュータ上に実装することができる。他の種類のデバイスを使用して、ユーザとのインタラクションを提供することもでき、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバックとすることができ、ユーザからの入力は、音響入力、発話入力、又は触覚入力を含む任意の形態で受信することができる。
【0170】
本発明の実施形態は、例えばデータサーバとしての、バックエンド構成要素を含む計算システムで、又はミドルウェア構成要素、例えば、アプリケーションサーバを含む計算システムで、又はフロントエンド構成要素、例えばユーザが本発明の実装形態とインタラクションできるグラフィカルユーザインターフェース若しくはウェブブラウザを有するクライアントコンピュータを含む計算システムで、又は１つ以上のこのようなバックエンド、ミドルウェア、若しくはフロントエンドの構成要素の任意の組み合わせで、実装できる。システムの構成要素は、デジタルデータ通信、例えば通信ネットワークの任意の形態又は媒体によって相互接続できる。通信ネットワークの例として、ローカルエリアネットワーク（「ＬＡＮ」）、及び広域ネットワーク（「ＷＡＮ」）、例えば、インターネットが挙げられる。
【0171】
計算システムは、クライアント及びサーバを含むことができる。クライアント及びサーバは一般に、互いにリモートであり、通常、通信ネットワークを介してインタラクトする。クライアントとサーバとの関係は、それぞれのコンピュータ上で作動し、かつ互いにクライアント－サーバ関係を有するコンピュータプログラムによって生じる。
【0172】
本明細書は多くの詳細を含むが、これらは、本発明の、又は特許請求され得るものの範囲を制限するとして解釈されてはならず、むしろ本発明の特定の実施形態に特有の特徴の説明として解釈されるべきである。別個の実施形態の文脈において本明細書に記載されている特定の特徴はまた、単一の実施形態において組み合わせて実装され得る。逆に、単一の実施形態の文脈で説明される様々な特徴はまた、複数の実施形態で別々に、又は任意の好適な部分組み合わせで実装され得る。更に、特徴が特定の組み合わせで機能するものと上述される場合があり、最初にそのように特許請求されていたとしても、特許請求された組み合わせからの１つ以上の特徴は、場合によっては組み合わせから削除することができ、特許請求された組み合わせは、部分的組み合わせ、又は部分的組み合わせの変形に関し得る。
【0173】
同様に、動作は、特定の順序で図面に表されるが、このような動作が、所望の結果を得るために、示される特定の順序で若しくは順次実行される、又はすべての例示の動作が実行される必要があると理解されるべきではない。特定の状況では、マルチタスク及び並列処理が有利であり得る。更に、上述の実施形態の種々のシステム構成要素の分離は、すべての実施形態でこのような分離を必要とするとして理解されてはならず、記載したプログラムコンポーネント及びシステムは通常、単一のソフトウェア製品に一緒に統合することができる、又は複数のソフトウェア製品内にパッケージ化することができることを理解すべきである。
【0174】
ＨＴＭＬファイル形式が言及されている各例では、他のファイルタイプ又はフォーマットが代わりに用いられ得る。例えば、ＨＴＭＬファイルは、ＸＭＬ、ＪＳＯＮ、プレーンテキスト、又は他のタイプのファイルによって置き換えられ得る。更に、テーブル又はハッシュテーブルが言及されている場合、他のデータ構造（スプレッドシート、リレーショナルデータベース、又は構造化ファイルなど）が使用され得る。
【0175】
他の実施形態
本発明の特定の実施形態を記載してきた。他の実施形態は、以下の特許請求の範囲内にある。例えば、特許請求の範囲に列挙される工程は、異なる順序で実行することができ、それでも望ましい結果を達成することができる。
本発明の特定の実施形態を記載してきた。他の実施形態は、以下の特許請求の範囲内にある。例えば、特許請求の範囲に列挙される工程は、異なる順序で実行することができ、それでも望ましい結果を達成することができる。
【符号の説明】
【0176】
１００ システム
１０２ ゲノムデータ
１０４ ｋ－ｍｅｒセット
１０６ コンピュータ
１０８ ハッシュ演算モジュール
１１０ ｋ－ｍｅｒセット
１１２ ハッシュ値
１１４ 出現カウンタモジュール
１１６ ｋ－ｍｅｒセット
１１８ ゲノム出現数
１２０ ハッシュテーブル生成モジュール
１２４ ハッシュテーブル
１２６ アイテム
１２８ アイテム
１３０ アイテム
１０２ ゲノムデータ
１０４ ｋ－ｍｅｒセット
１０６ コンピュータ
１０８ ハッシュ演算モジュール
１１０ ｋ－ｍｅｒセット
１１２ ハッシュ値
１１４ 出現カウンタモジュール
１１６ ｋ－ｍｅｒセット
１１８ ゲノム出現数
１２０ ハッシュテーブル生成モジュール
１２４ ハッシュテーブル
１２６ アイテム
１２８ アイテム
１３０ アイテム
【図1】
【図2】
【図3】
【図4】
【図5】
【国際調査報告】