關(guān)聯(lián)規(guī)則挖掘在病毒基因數(shù)據(jù)分析中的應(yīng)用.pdf

1、2013年2月在浙江省、上海市、江蘇省、安徽省爆發(fā)的 H7N9甲型流感病毒在全國(guó)范圍的廣泛傳播,引起了人們的廣泛關(guān)注。所謂甲型流感病毒(Influenza A virus),也稱為 A型流感病毒,該病毒主要存在于動(dòng)物中,一旦變異會(huì)造成世界流感大流行;而去年這一 H7N9新型病毒的流行,也使得世界衛(wèi)生部將甲型流感病毒的研究提上議程。隨著基因組計(jì)劃的完成,我們所測(cè)得的甲型流感病毒感染者的序列數(shù)據(jù)越來(lái)越多,如何運(yùn)用一種有效的數(shù)據(jù)分析工具來(lái)分析

2、和處理這些大量和復(fù)雜的序列基因數(shù)據(jù),已經(jīng)成為甲型流感病毒乃至現(xiàn)代生物時(shí)代的一個(gè)重大挑戰(zhàn)。在此情況下,將數(shù)據(jù)挖掘技術(shù)與生物信息學(xué)進(jìn)行結(jié)合,便是一個(gè)最適合,也最有效的辦法。
　　根據(jù)對(duì)以往資料、數(shù)據(jù)的分析和研究,本文以甲型流感病毒 H1N1,H3N2為例,進(jìn)行基因序列二級(jí)專用數(shù)據(jù)庫(kù)的構(gòu)建,在對(duì)關(guān)系型數(shù)據(jù)庫(kù)設(shè)計(jì)原則、概念設(shè)計(jì)、邏輯設(shè)計(jì)研究分析的基礎(chǔ)上,提出相應(yīng)的 E-R圖及關(guān)系表設(shè)計(jì)。該甲型流感病毒的數(shù)據(jù)主要來(lái)源于 Genbank數(shù)據(jù)庫(kù)

3、中的基因序列,通過(guò)該數(shù)據(jù)庫(kù)自帶的檢索工具Entrz來(lái)搜索我們所需要的序列數(shù)據(jù),將檢索得到的數(shù)據(jù)保存為 XML格式,其目的是方便異構(gòu)數(shù)據(jù)庫(kù)數(shù)據(jù)的整合,在這里我們使用模板驅(qū)動(dòng)映射,實(shí)現(xiàn) SQL數(shù)據(jù)與 XML文檔數(shù)據(jù)的映射。在以上工作的基礎(chǔ)上,最終構(gòu)成以 genbank格式存儲(chǔ)序列的本地二級(jí)基因病毒序列數(shù)據(jù)庫(kù)。
　　本文另一個(gè)重點(diǎn)研究的問(wèn)題就是數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則對(duì)病毒基因數(shù)據(jù)頻繁序列的挖掘。本文針對(duì) Apriori算法的致命缺點(diǎn),提出基