發(fā)布時間：2021-07-10 13:47

　　近年來,三代測序技術的發(fā)展為基因組學帶來了重大變革和影響。但由于三代測序序列具有平均長度長、錯誤率高的特性,現(xiàn)有的三代測序序列比對算法在數(shù)據(jù)分析的工作流中占據(jù)了大量的時間。因此,如何快速、準確地將大規(guī)模的測序序列比對到參考基因組上是三代測序序列比對面臨的一大挑戰(zhàn)。目前主流算法大多采用種子擴展（seed-and-extend）方法,包括過濾出候選位置和進行比對驗證兩個階段。過濾和驗證是影響算法性能的關鍵環(huán)節(jié),為了加快序列比對的速度,本文對過濾方法的特征選取和驗證階段的索引技術進行了較為深入的研究,主要工作和貢獻如下:（1）過濾方法設計及優(yōu)化對已有過濾方法進行分析,它們使用全部種子來過濾候選位置,如此要處理的種子數(shù)很多且針對性不強,導致過濾時間過長。我們的實驗表明過濾時低頻率的種子往往具有更高的區(qū)分度,同時低頻種子也可以有效地減少計算量�；诖�,本文提出了一種基于低頻種子的過濾方法,根據(jù)基因組的規(guī)模動態(tài)地選取低頻率的種子,使用低頻種子進行投票定位候選區(qū)域。過濾得到的候選區(qū)域數(shù)目也是過濾方法的重要衡量標準。為了進一步減少候選區(qū)域的數(shù)目,我們對過濾方法進行了優(yōu)化,提出了相鄰窗口合并、候選窗口驗... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖１．１種子擴展方法流程圖??為了加速比對過程，大部分的序列比對算法都會采用輔助數(shù)據(jù)結構［１８］，即??

２．１．３．數(shù)據(jù)文件格式介紹??測序技術的不斷發(fā)展，使得測序儀的吞吐量大幅提升，測序數(shù)據(jù)不斷的，大量的數(shù)據(jù)需要處理和存儲。這些數(shù)據(jù)既有直接通過測序獲得的原始數(shù)有通過軟件分析后得到的結果文件。在測序的研宄領域，有些大家公認的文式，作為序列比對算法輸入／輸出的標準文件格式。??１．?ＦＡＳＴＡ文件格式??ＦＡＳＴＡ格式是一種用于表示核酸序列或多肽序列的文本格式，又稱Ｐｅａｒｓｏ式，主要發(fā)明人是威廉？皮爾森（Ｗｉｌｌｉａｍ?Ｒａｙｍｏｎｄ?Ｐｅａｒｓｏｎ）和戴維德．李（Ｄａｖｉｄ?Ｊ．Ｌｉｐｍａｎ）。隨著時間的推移，這種格式己經成為生物信息學領域項標準。其中核酸（ＤＮＡ／ＲＮＡ）或氨基酸（Ａｍｉｎｏｒ?Ａｃｉｄ?ｓｅｑｕｅｎｃｅ）均以單母編碼來表示，通常序列前會添加序列名及相應的注釋。??一般情況下，參考基因組都存儲在此類格式的文件中，單條染色體作為一

ＡＣＣＣＣＡＡＡＡＡＧＣＣＧＡＧＡＧＡＡＧＣＴＧＧＣＡＡＴＧＴＧＧＣＴＣＡＴＣＴＧＴＡＡＴＡＣＣＡＧＣＡＣＴＴＴＧＧＡＡＧＧＣＴＧＡＧＡＧＧＧＣＧＡＡＣＴＴＣＴＴＴＧＡＧＣＴＣ??＋??圖２．３?ＦＡＳＴＱ格式文件示例??ＦＡＳＴＱ格式的序列一般每四行為一個單位，通常標題在第一行錄入，必須??由’＠’開始，后面跟著唯一的序列標識符及可選的描述內容。第二行是核苷酸序??列，由Ａ、Ｃ、Ｇ、Ｔ、Ｎ構成；第三行以’＋’為起始符，后面可能會包含序列的??描述信息，或者沒有信息，僅充當分隔符；第四行是測序序列的質量值，意指每??個堿基字符在相對位置上的可信度。與第二行的字符一一對應，所以長度跟第二??行是一致的。質量分數(shù)部分采用ＡＳＣＩＩ編碼。圖２．３是ＦＡＳＴＱ格式文件的一個示??例。??在ＦＡＳＴＱ格式文件中，質量值是非常重要的，它是一個堿基的錯誤率的對??數(shù)值。在測序過程中，可根據(jù)熒光信號的強弱得到一個參考的測序錯誤概率Ｐ值，??通過如下的Ｐｈｒｅｄ質量分數(shù)計算公式

【參考文獻】：
期刊論文
[1]第三代測序技術及其應用[J]. 張得芳,馬秋月,尹佟明,夏濤.  中國生物工程雜志. 2013(05)
[2]DNA測序技術的發(fā)展歷史與最新進展[J]. 解增言,林俊華,譚軍,舒坤賢.  生物技術通報. 2010(08)



本文編號：3276026