Clustering Billions of Reads for DNA Data Storage

计算机科学 聚类分析 可扩展性 加速 数据挖掘 管道(软件) 编辑距离 算法 公制(单位) 离群值 趋同(经济学) 噪音(视频) 人工智能 并行计算 数据库 运营管理 经济 图像(数学) 程序设计语言 经济增长
作者
Cyrus Rashtchian,Konstantin Makarychev,Miklós Z. Rácz,Siena Dumas Ang,Djordje Jevdjic,Sergey Yekhanin,Luís Ceze,Karin Strauß
出处
期刊:Neural Information Processing Systems 卷期号:30: 3360-3371 被引量:40
链接
摘要

Storing data in synthetic DNA offers the possibility of improving information density and durability by several orders of magnitude compared to current storage technologies. However, DNA data storage requires a computationally intensive process to retrieve the data. In particular, a crucial step in the data retrieval pipeline involves clustering billions of strings with respect to edit distance. Datasets in this domain have many notable properties, such as containing a very large number of small clusters that are well-separated in the edit distance metric space. In this regime, existing algorithms are unsuitable because of either their long running time or low accuracy. To address this issue, we present a novel distributed algorithm for approximately computing the underlying clusters. Our algorithm converges efficiently on any dataset that satisfies certain separability properties, such as those coming from DNA data storage systems. We also prove that, under these assumptions, our algorithm is robust to outliers and high levels of noise. We provide empirical justification of the accuracy, scalability, and convergence of our algorithm on real and synthetic data. Compared to the state-of-the-art algorithm for clustering DNA sequences, our algorithm simultaneously achieves higher accuracy and a 1000x speedup on three real datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
麦尔哈巴发布了新的文献求助10
刚刚
TGU发布了新的文献求助10
刚刚
耍酷蜡烛完成签到,获得积分10
刚刚
刚刚
Conley发布了新的文献求助10
1秒前
大刘发布了新的文献求助10
2秒前
2秒前
药学小朋友完成签到,获得积分10
3秒前
聪慧海豚应助农学博士后采纳,获得10
3秒前
3秒前
4秒前
默默完成签到,获得积分10
4秒前
机智的从霜完成签到 ,获得积分10
5秒前
ldzjiao完成签到 ,获得积分10
5秒前
Ava应助麦尔哈巴采纳,获得10
5秒前
lifeboast完成签到,获得积分20
5秒前
都是发布了新的文献求助30
6秒前
nanlio发布了新的文献求助10
6秒前
naivete发布了新的文献求助10
7秒前
7秒前
张朝程完成签到,获得积分10
8秒前
王之发布了新的文献求助80
8秒前
111发布了新的文献求助10
9秒前
9秒前
李白乘舟将欲行完成签到 ,获得积分10
9秒前
李爱国应助zy123采纳,获得10
9秒前
9秒前
10秒前
12秒前
12秒前
12秒前
LLL完成签到,获得积分10
12秒前
14秒前
jbear发布了新的文献求助10
14秒前
LLL发布了新的文献求助10
15秒前
lkc完成签到,获得积分10
16秒前
CipherSage应助云_123采纳,获得10
16秒前
16秒前
细心妙旋完成签到 ,获得积分10
17秒前
麦可发布了新的文献求助20
18秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3135577
求助须知:如何正确求助?哪些是违规求助? 2786454
关于积分的说明 7777484
捐赠科研通 2442441
什么是DOI,文献DOI怎么找? 1298558
科研通“疑难数据库(出版商)”最低求助积分说明 625193
版权声明 600847