高通量測(cè)序技術(shù)產(chǎn)生了海量基因序列數(shù)據(jù),為生命科學(xué)的研究帶來(lái)了前所未有的機(jī)遇。然而由于序列錯(cuò)誤率和計(jì)算資源的限制,超大型宏基因組序列分析仍然是一個(gè)不可克服的障礙。SpaRC（Spark Read Clustering）是基于Apache Spark平臺(tái)的一款針對(duì)測(cè)序片段read直接進(jìn)行聚類的預(yù)組裝軟件。SpaRC具有良好的可拓展性,能夠通過(guò)橫向增加計(jì)算資源解決海量測(cè)序數(shù)據(jù)的分析問(wèn)題。然而,SpaRC存在參數(shù)難以調(diào)節(jié)、聚類產(chǎn)生的簇較小等問(wèn)題。針對(duì)以上問(wèn)題,本文對(duì)宏基因組預(yù)組裝軟件SpaRC進(jìn)行優(yōu)化改進(jìn),使其可以應(yīng)用至大規(guī)模測(cè)序數(shù)據(jù)集上,分離得到基因組級(jí)別的序列簇,從而為下一步的序列組裝提供強(qiáng)有力的數(shù)據(jù)支持。本文主要研究工作如下:（1）針對(duì)可拓展宏基因組序列分析所涉及的相關(guān)理論和技術(shù)進(jìn)行深入探討,為進(jìn)一步對(duì)SpaRC進(jìn)行優(yōu)化打下基礎(chǔ)。主要研究了宏基因序列數(shù)據(jù)的表現(xiàn)形式和存儲(chǔ)格式、大數(shù)據(jù)處理引擎Apache Spark和云計(jì)算平臺(tái)AWS EMR、SpaRC聚類原理等。（2）提出一種基于貝葉斯方法的參數(shù)優(yōu)化策略,實(shí)現(xiàn)針對(duì)不同數(shù)據(jù)集,自動(dòng)選擇最優(yōu)參數(shù)。SpaRC的參數(shù)眾多、且不同參數(shù)對(duì)聚類結(jié)果有極... 

【文章來(lái)源】：上海大學(xué)上海市 211工程院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SpaRC的貝葉斯參數(shù)優(yōu)化整體示意圖

貝葉斯參數(shù)優(yōu)化結(jié)果對(duì)比

k-mer頻數(shù)分布圖

【參考文獻(xiàn)】：
期刊論文
[1]一種基于自適應(yīng)代理模型的并行貝葉斯優(yōu)化方法[J]. 呂志明,王霖青,趙珺,劉穎.  控制與決策. 2019(05)
[2]下一代基因測(cè)序技術(shù)新進(jìn)展[J]. 張小珍,尤崇革.  蘭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2016(03)
[3]潰瘍性結(jié)腸炎患者腸道菌群分析和細(xì)菌毒素基因檢測(cè)[J]. 牛敏,邵天波,陳瑞春,杜艷.  鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2015(04)

博士論文
[1]復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)方法研究[D]. 張?chǎng)?哈爾濱工業(yè)大學(xué) 2017
[2]浙江省地方豬群體遺傳結(jié)構(gòu)研究[D]. 陳究成.浙江大學(xué) 2016
[3]基于序列特征的宏基因組數(shù)據(jù)分析方法研究[D]. 丁嘯.東南大學(xué) 2016
[4]骨髓增生異常綜合征全基因組測(cè)序和基因突變譜預(yù)后分析[D]. 徐嵐.上海交通大學(xué) 2014

碩士論文
[1]新一代基因組測(cè)序的概率統(tǒng)計(jì)模型[D]. 湯文菊.景德鎮(zhèn)陶瓷學(xué)院 2010



本文編號(hào)：3609429