生物信息学编码核苷酸序列

Question

建议的压缩算法(.xz、tar.gz、tar.bz2等)将用于压缩由fasta核苷酸序列组成的数据集？

这类数据的建议压缩机制是什么？

基于compression

• Adaptive字典的基于compression

• LZW算法的压缩

Answer 1

我见过gzip使用最频繁，所以我推荐gzip，正如CJR在评论中提到的那样。这是与协作者最兼容的选项，即使不是最有效的(取决于您对效率的定义)。

在某些情况下，在协作者和您可以安装专门的压缩工具的情况下，可能值得研究更有效的工具，例如，请参阅本文，本文使用几种不同的度量方法对其中许多工具进行比较(特别是图1)：

Kirill Kryukov，Mahoko Takahashi Ueda，So Nakagawa，Tadashi Imanishi，序列压缩基准数据库-FASTA格式序列的无引用压缩器的全面评估，GigaScience，第9卷，第7期，2020年7月，giaa072，：https://academic.oup.com/gigascience/article/9/7/giaa072/5867695