后缀树算法

后缀树算法

后缀树算法在现代的比对工具中也是非常常见的一类比对算法，常用的STAR软件利用的就是后缀树算法，而bowtie，BWA等比对软件用的是BWT算法，这就是为什么STAR的比对速度要比其他二代软件快，索引比其他二代软件大的原因

构建后缀树算法

构建后缀树算法的流程类似于BWT算法，比方说我的 ref 序列为：ATCATGATC$，类似于BWT算法依次向前移位，并去掉第一个元素

上表的第一行表示位置信息

并且根据你的ref序列的特点来构建树

image.png

其中黑色点代表结点，[3,9]表示位置信息，代表上表中3到9号位置的两个元素，其他的以此类推

对于ref：ATCATGATC$
开头第一个元素无非是A,T,C,G四种元素，那么由0号节点出发，分为四类

1. AT，由于ref中A与T总是相连的，所以划归到一起
2. T，由于T后面接着 C 或者 G，所以单独拿出来
3. C，由于C后面接着 A 或 $，所以单独拿出来
4. G，由于ref中只有GATC$，所以只有这一种类型

倘若现在有一条reads：ATCA，首先走结点0->1->6->12，并储存位置信息，这就比对完成了，即比对到位置信息为[0,3]

又比如有一条reads：CATGA，首先走结点0->3->10，储存位置信息，这就比对完成了，即比对到位置信息为[2,6]

再如有一条reads：ATC，可以走结点0->1->6，即比对到位置信息为[0,2]；也可以走结点0->16->17，即比对到位置信息为[6,9]

参考：孟叔live