随着测序技术的发展,基因测序数据量急剧增长,为人们带来存储、传输的问题。人们采用压缩减少数据体积,然而通用压缩的效果并不理想。而基于参考基因组的压缩算法,利用同源物种基因高度相似的特点,能够有效解决基因数据量大的问题。尽管如此,现有的算法存在着匹配率不高、压缩比有待提升等问题。因此,本文致力于研究并提出基于参考基因组的压缩算法,用于压缩目前基因测序数据中最常见的FASTQ格式。主要研究工作包括:(1)设计基于Karp Rabin算法以及Levenshtein Distance算法的参考基因组压缩算法TBFQC。该算法拆分FASTQ文件为元数据、碱基序列与质量分数,根据不同部分数据特点采用不同方法压缩。元数据部分采用Deflate算法;碱基序列部分,使用Karp Rabin算法和Levenshtein Distance算法实现比对和压缩;对于质量分数,采用游程编码处理。经过上述处理后,算法进一步使用XZ压缩器对数据压缩。(2)设计基于Bowtie index的参考基因组压缩算法FastqBow。算法同样采用不同方法压缩FASTQ的三个部分。对于元数据,采用类增量编码的方案;对于碱基序列,采用Bowite index获得目标序列与参考基因组的,再对结果进行编码替换目标序列;对于质量分数,采用基于统计的字节编码。在此基础上,FastqBow进一步用上下文模型结合算术编码的方式对数据压缩。(3)以十种不同物种的基因测序数据作为实验数据进行实验。实验结果表明,TBFQC与FastqBow的平均压缩比分别达到7.5和9.8,是通用压缩GZIP的2倍和3倍。其中FastqBow的压缩比高于现有主流FASTQ算法。而在算法的匹配率比较实验中,FastqBow比TBFQC能够匹配到更多的碱基,因此能更好地压缩FASTQ文件。