mirror of
https://github.com/metabarcoding/obitools4.git
synced 2026-03-25 21:40:52 +00:00
db98ddb241
This commit addresses a bug in the super k-mer implementation where the minimizer bijection property was not properly enforced. The fix ensures that: 1. All k-mers within a super k-mer share the same minimizer 2. Identical super k-mer sequences have the same minimizer The changes include: - Fixing the super k-mer iteration logic to properly validate the minimizer bijection property - Adding a comprehensive test suite (TestSuperKmerMinimizerBijection) that validates the intrinsic property of super k-mers - Updating the .gitignore file to properly track relevant files This resolves issues where the same sequence could be associated with different minimizers, violating the super k-mer definition.
100 lines
2.8 KiB
Markdown
100 lines
2.8 KiB
Markdown
# Définition du super k-mer
|
|
|
|
## Définition
|
|
|
|
Un **super k-mer** est une **sous-séquence MAXIMALE** d'une séquence dans laquelle **tous les k-mers consécutifs partagent le même minimiseur**.
|
|
|
|
### Termes
|
|
|
|
- **k-mer** : sous-séquence de longueur k
|
|
- **minimiseur** : le plus petit m-mer canonique parmi tous les m-mers d'un k-mer
|
|
- **k-mers consécutifs** : k-mers aux positions i et i+1 (chevauchement de k-1 nucléotides)
|
|
- **MAXIMALE** : ne peut être étendue ni à gauche ni à droite
|
|
|
|
## RÈGLES ABSOLUES
|
|
|
|
### RÈGLE 1 : Longueur minimum = k
|
|
|
|
Un super k-mer contient au minimum k nucléotides.
|
|
|
|
```
|
|
longueur(super-kmer) >= k
|
|
```
|
|
|
|
### RÈGLE 2 : Chevauchement obligatoire = k-1
|
|
|
|
Deux super-kmers consécutifs se chevauchent d'EXACTEMENT k-1 nucléotides.
|
|
|
|
```
|
|
SK1.End - SK2.Start = k - 1
|
|
```
|
|
|
|
### RÈGLE 3 : Bijection séquence ↔ minimiseur
|
|
|
|
Une séquence de super k-mer a UN et UN SEUL minimiseur.
|
|
|
|
```
|
|
Même séquence → Même minimiseur (TOUJOURS)
|
|
```
|
|
|
|
**Si vous observez la même séquence avec deux minimiseurs différents, c'est un BUG.**
|
|
|
|
### RÈGLE 4 : Tous les k-mers partagent le minimiseur
|
|
|
|
TOUS les k-mers contenus dans un super k-mer ont le même minimiseur.
|
|
|
|
```
|
|
∀ k-mer K dans SK : minimiseur(K) = SK.minimizer
|
|
```
|
|
|
|
### RÈGLE 5 : Maximalité
|
|
|
|
Un super k-mer ne peut pas être étendu.
|
|
|
|
- Si on ajoute un nucléotide à gauche : le nouveau k-mer a un minimiseur différent
|
|
- Si on ajoute un nucléotide à droite : le nouveau k-mer a un minimiseur différent
|
|
|
|
## VIOLATIONS INTERDITES
|
|
|
|
❌ **Super k-mer de longueur < k**
|
|
❌ **Chevauchement ≠ k-1 entre consécutifs**
|
|
❌ **Même séquence avec minimiseurs différents**
|
|
❌ **K-mer dans le super k-mer avec minimiseur différent**
|
|
❌ **Super k-mer extensible (non-maximal)**
|
|
|
|
## CONSÉQUENCES PRATIQUES
|
|
|
|
### Pour l'extraction
|
|
|
|
L'algorithme doit :
|
|
1. Calculer le minimiseur de chaque k-mer
|
|
2. Découper quand le minimiseur change
|
|
3. Assigner au super k-mer le minimiseur commun à tous ses k-mers
|
|
4. Garantir que chaque super k-mer contient au moins k nucléotides
|
|
5. Garantir le chevauchement de k-1 entre consécutifs
|
|
|
|
### Pour la validation
|
|
|
|
Si après déduplication (obiuniq) on observe :
|
|
```
|
|
Séquence: ACGT...
|
|
Minimiseurs: {M1, M2} // plusieurs minimiseurs
|
|
```
|
|
|
|
C'est la PREUVE d'un bug : l'algorithme a produit cette séquence avec des minimiseurs différents, ce qui viole la RÈGLE 3.
|
|
|
|
## DIAGNOSTIC DU BUG
|
|
|
|
**Bug observé** : Même séquence avec minimiseurs différents après obiuniq
|
|
|
|
**Cause possible** : L'algorithme assigne le mauvais minimiseur OU découpe mal les super-kmers
|
|
|
|
**Ce que le bug NE PEUT PAS être** :
|
|
- Un problème d'obiuniq (révèle le bug, ne le crée pas)
|
|
- Un problème de chevauchement légitime (k-1 est correct)
|
|
|
|
**Ce que le bug DOIT être** :
|
|
- Minimiseur mal calculé ou mal assigné
|
|
- Découpage incorrect (mauvais endPos)
|
|
- Copie incorrecte des données
|