生物序列的索引研究及其應(yīng)用.pdf

1、在生物領(lǐng)域研究中,在巨量生物數(shù)據(jù)庫中進行生物序列相似性查詢是一項經(jīng)常性的工作,在探索生物學(xué)知識和生命活動規(guī)律的過程中扮演著重要角色。然而在大型的長序列數(shù)據(jù)庫中用樸素的完全搜索方法來進行相似性查詢,其效率是非常低下的。因此,研究者開始研究各種優(yōu)化方式來提高查詢效率。查詢優(yōu)化的關(guān)鍵技術(shù)之一就是建立索引。索引結(jié)構(gòu)用一定的存儲空間作為代價換取查詢時的快速響應(yīng)。良好的索引結(jié)構(gòu)能有效組織生物序列數(shù)據(jù),顯著提高檢索的速度。然而現(xiàn)有的方法存在一些問題,

2、針對這些問題提出新的方法以提高查詢效率是當(dāng)前研究的熱點。
　　 本文分析了當(dāng)前的生物序列相似性查詢的索引研究的現(xiàn)狀,針對現(xiàn)有查詢算法的不足,提出了新的基于索引的生物序列相似性查詢算法BioIndex方法和SSO_MF算法,設(shè)計實現(xiàn)了轉(zhuǎn)錄調(diào)控序列數(shù)據(jù)挖掘系統(tǒng)ITREP。本文取得的主要研究成果如下:
　　 (1)提出了BioIndex索引結(jié)構(gòu)及基于此結(jié)構(gòu)的查詢算法
　　 針對生物序列的最近鄰查詢問題,BioIndex

3、索引結(jié)構(gòu)及基于此的查詢算法提供了一種有效的解決方式。該方法是在生物序列集中的序列模式挖掘的基礎(chǔ)上建立索引,能有效控制索引結(jié)構(gòu)的大小,使之能存儲在內(nèi)存中進行快速查詢。實驗結(jié)果表明,基于BioIndex的查詢算法提高了生物序列查詢的效率。
　　 (2)提出了基于多重索引結(jié)構(gòu)進行過濾的序列相似性查詢算法SSQ_MF
　　 針對生物序列的范圍查詢問題,SSO_MF算法通過建立三種不同的索引結(jié)構(gòu),形成三種過濾器進行過濾,使得算法過

4、濾能力較基于單一過濾器算法進一步增強。SSO_MF算法有效估計了各過濾器的過濾集大小,并構(gòu)建了一個由過濾集大小確定的最優(yōu)過濾順序模型,大大降低了算法的過濾代價。實驗結(jié)果表明,算法SSQ_MF的查詢性能優(yōu)于單一過濾器算法和隨機過濾順序的多過濾器算法。
　　 (3)設(shè)計實現(xiàn)了轉(zhuǎn)錄調(diào)控序列數(shù)據(jù)挖掘系統(tǒng)ITREP
　　 轉(zhuǎn)錄調(diào)控是后基因組時代研究的熱點之一。本文將上述方法應(yīng)用于順式調(diào)控元件(轉(zhuǎn)錄因子結(jié)合位點)的查詢中,提高了查詢