一种基于syncmer的进化距离估计及系统发育树构建方法

本发明公开了一种基于syncmer的进化距离估计及系统发育树构建方法，该方法包括如下步骤：读取序列文件并将序列进行初步处理；遍历序列上所有长度为k的kmer，找到kmer上hash值最小的smer并判断；遵循MinHash算法最终保留hash值最小的n个syncmer构成草图；草图两两比对计算进化距离矩阵；将距离矩阵转换为系统发育树。本发明的目的在于针对目前的基于距离的系统发育树构建方法在处理大规模数据集时资源消耗增加、计算效率降低、准确性降低，可拓展性差以及面对序列局部突变时无法维持稳定的现状，提出了一种基于syncmer的进化距离估计及系统发育树构建方法，通过使用MinHash算法提取并保留序列上指定数量的最小n个hash值syncmer来构成草图，再通过比对草图来计算进化距离矩阵并构建为系统发育树，旨在提高计算效率，减少计算资源消耗，增强在局部突变情况下的稳定性，并适应未来多基因组构建系统发育树的趋势。