基因組序列物種聚類問題研究及DNA聚類的云計(jì)算實(shí)現(xiàn).pdf

1、基因組學(xué)是研究生物基因組奧秘的新技術(shù)，隨著測序技術(shù)在過去十幾年間的高速發(fā)展，目前我們已經(jīng)進(jìn)入了千元人類基因組階段，這極大推動(dòng)了研究微生物信息和群落的功能的宏基因組學(xué)發(fā)展。同時(shí)基于下一代測序技術(shù)的宏基因組項(xiàng)目的發(fā)展，也產(chǎn)生了海量的生物序列，在對這些數(shù)據(jù)進(jìn)行處理和分析中涌現(xiàn)出了大量的分析問題，亟需通過有效的計(jì)算手段進(jìn)行解決。本文圍繞著宏基因組序列物種聚類問題和DNA聚類問題進(jìn)行了深入的研究，主要研究內(nèi)容和貢獻(xiàn)如下:
　　 1.宏基因

2、組序列的物種聚類算法研究
　　 由于宏基因組測序序列中包含多個(gè)物種的DNA片段，對宏基因組序列分析需要首先對不同物種的DNA序列進(jìn)行分離。目前基于無監(jiān)督的宏基因組序列物種聚類算法主要有MetaCluster和TOSS?；诮Y(jié)構(gòu)信息的MetaCluster3.0無法有效處理短序列，并且由于k-means算法隨機(jī)生成中心點(diǎn)，多次運(yùn)行面臨產(chǎn)生的結(jié)果不一致的問題。而基于相似度信息進(jìn)行物種聚類的算法TOSS，卻面臨著聚類速度較慢，無法處理

3、大規(guī)模數(shù)據(jù)的問題。本文結(jié)合了相似度信息和結(jié)構(gòu)信息，并引入了仿射聚類來對宏基因組測序序列物種聚類問題進(jìn)行分析。實(shí)驗(yàn)數(shù)據(jù)表明我們的算法克服了MetaCluster3.0無法處理短序列的問題，并且運(yùn)行時(shí)間比TOSS快10倍以上。
　　 2.DNA序列聚類算法的云計(jì)算實(shí)現(xiàn)
　　 下一代測序技術(shù)的迅速發(fā)展和宏基因組項(xiàng)目的進(jìn)行均產(chǎn)生了大量的DNA序列，這加劇了當(dāng)前序列聚類算法的處理能力與測序得到的大量的DNA序列之間的矛盾。目前已有