基因数据压缩算法(ACTG) C++

基因数据压缩算法是一个初级的数据压缩算法，基因数据如下所示"ATAGATGCAT"，如果使用标准的ASCII编码(每个字符1个字节)，这个基因字符串的流长度是10*8=80位。

这些字符是由4种不同的字符组成，所有我们可以使用双位编码压缩，比如 A:00, C:01, T:10, G11，压缩之后我们就可以在一个字节存放4个基因字符了，当数据比较大时，压缩效率为25%。

完整代码

#include <iostream>
#include <string>
using namespace std;void PrintBits(const char *pstr, int width = 1);// ACTG A:00, C:01, T:10, G11
class Dna
{
public:Dna() : sizes(0) {}Dna(const char *str);void AddCompress(const char c) { Compress(c); }void AddCompress(const char *pstr);string Expand();int Size() const { return sizes; }string Data() const { return data; }string Compress() const { return compressData; }void PrintCompressData() { PrintBits(compressData.c_str()); }void PrintCompressData(int width) { PrintBits(compressData.c_str(), width); }private:int sizes; // 存放数据数string data;    // 存放原始数据string compressData; // 存放压缩后的二进制数据void Compress(const char c);unsigned char Index(char c);char Table(int index) const;void PrintBits(const char c);void PrintBits(const char *pstr, int width = 1);
};int main(void)
{char str[] = "ACTG";Dna dna(str);cout << dna.Size() << endl;cout << dna.Expand() << endl;dna.AddCompress("GTCA");cout << dna.Size() << endl;cout << dna.Expand() << endl;dna.PrintCompressData();system("pause");return 0;
}Dna::Dna(const char *str) : sizes(0)
{if (str){const char *p = str;while (*p){Compress(*p);p++;}}
}void Dna::AddCompress(const char *pstr)
{if (!pstr)return;const char *p = pstr;while (*p){Compress(*p);p++;}
}// class Dna private scope// 压缩字符c，并添加到compressData中
void Dna::Compress(const char c)
{data.append(1, c);if (sizes % 4 == 0)compressData.append(1, '\0');int n = sizes % 4;compressData[sizes / 4] |= Index(c) << (6 - 2 * n);sizes++;
}// 解压缩，并以string返回
string Dna::Expand()
{string s;for (int i = 0; i < sizes; i++){int n = i % 4;unsigned char index = ((unsigned char)compressData[i / 4]) >> (6 - 2 * n);s.append(1, Table(index));}return s;
}// 根据char值返回对应的索引，比如'A'为0时返回0
unsigned char Dna::Index(char c)
{if (c == 'A')return 0;else if (c == 'C')return 1;else if(c == 'T')return 2;else // if(c == 'G')return 3;
}// 根据index值返回对应的字符，比如index为0时返回'A'
char Dna::Table(int index) const
{static char table[4] = { 'A', 'C', 'T', 'G' };return table[index % 4];
}void Dna::PrintBits(const char c)
{for (int i = 0; i < 8; i++){if ((c << i) & 0x80)cout << '1';elsecout << '0';}
}void Dna::PrintBits(const char *pstr, int width)
{if (!pstr)return;const char *p = pstr;int nums = 0;while (*p){PrintBits(*p);p++;if (!((++nums) % width))cout << endl;}cout << endl;
}

输出结果为：

参考：

《算法》第四版 5.5 数据压缩

基因数据压缩算法(ACTG) C++相关推荐

TCGA肿瘤基因数据的访问（二）
TCGA(The Cancer Genome Atlas)项目完成后,最终和其它的一些肿瘤医学项目一起归档在 GDC Portal网站,方便人们访问. 网址是 https://portal.gdc. ...
基于JPEG压缩编码的数据压缩算法的研究与实现(转)
基于JPEG压缩编码的数据压缩算法的研究与实现(转) 编辑器加载中... JPEG压缩方法由于其较高的压缩比和理想的压缩效果,是目前应用最广泛的图像压缩方法.它采用一种特殊的有损压缩算法,将不易被人眼 ...
【论文笔记】高维基因数据中的特征选择
原论文:Feature Selection for High-Dimensional Genomic Microarray Data 介绍基因数据通常具有较高的维度,同时可用样本数少.不到100例维 ...
lz78算法c语言,LZW数据压缩算法研究
内容介绍 LZW数据压缩算法研究 46页 3.2万字摘要随着信息化技术的蓬勃发展,日常需要处理或者传输的数据越来越多,数据的压缩也就变得越来越重要了.我们迫切的需要有好的压缩算法来支持我们的数据 ...
高维数据惩罚回归方法：主成分回归PCR、岭回归、lasso、弹性网络elastic net分析基因数据...
原文链接:http://tecdat.cn/?p=23378 1 介绍在本文中,我们将研究以下主题证明为什么低维预测模型在高维中会失败. 进行主成分回归(PCR). 使用glmnet()进行岭回归 ...
python编写同步欧氏距离轨迹压缩_基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法.PDF...
基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法第35卷第3期计算机应用与软件 Vol35No．3 2018年3月 ComputerApplicationsandSoftware Mar．2 ...
bwt比对算法 C语言,BWT数据压缩算法
urrower-Wheeler变换 1994年 Michael Burrows 和 David Wheeler在<A Block-sorting Lossless Data Compressio ...
R语言零基础基因/数据差异分析（二）
文章目录结果展示安装ggplot2包制作方法注意,本系列有连贯性,每一步都很详细,每一步都很重要,请耐心读完!! 结果展示安装ggplot2包如图操作找到并勾上即可. 制作方法关于 ...
数据压缩算法—2无损压缩算法
几个常见的编码算法 (一) 字典算法字典算法是最为简单的压缩算法之一.它是把文本中出现频率比较多的单词或词汇组合做成一个对应的字典列表,并用特殊代码来表示这个单词或词汇.例如: 有字典列表: ...

基因数据压缩算法(ACTG) C++

基因数据压缩算法(ACTG) C++相关推荐

最新文章

热门文章