基于分组的蛋白质序列聚类方法及系统

本发明涉及蛋白质序列聚类技术领域，公开了基于分组的蛋白质序列聚类方法及系统；方法包括：对第i个待聚类的蛋白质序列进行分割，得到若干个蛋白质子序列，对每个蛋白质子序列，均采用第j种哈希函数进行哈希映射，得到每个蛋白质子序列对应的哈希值；选择哈希值中的最小值，作为MinHash值；得到序列在M种哈希函数下的MinHash值；进而得到N个待聚类的蛋白质序列在M种哈希函数下的MinHash值；在每一种哈希函数下，遍历所有待聚类的蛋白质序列所对应的MinHash值，将值相同的待聚类的蛋白质序列划入同一个分组中；对每个组内的蛋白质序列进行聚类得到聚类结果。在降低计算复杂度的同时，保持聚类结果的准确性。