生物信息處理是最近幾年的一個熱門研究方向,特別是對關(guān)鍵蛋白質(zhì)預測算法的研究。它能夠有效快速地預測出蛋白質(zhì)相互作用網(wǎng)絡(luò)里的一些關(guān)鍵蛋白質(zhì),這類蛋白質(zhì)對于生物體的存活、繁殖以及藥物靶點選擇的研究極其重要。目前已經(jīng)存在很多關(guān)鍵蛋白質(zhì)的預測算法,但由于一些算法的計算復雜度過高,使得對于小規(guī)模的蛋白質(zhì)相互作用網(wǎng)絡(luò)的計算都十分困難,基于分布式計算將該類算法并行化加速是可行的解決方案。近年來Spark已經(jīng)成為一個成熟的分布式計算框架,但在實際分布式計算過程中Spark的shuffle性能低下,因此探索Spark自身的shuffle優(yōu)化策略具有十分重要的研究意義。本文的主要研究成果如下:(1)在預測關(guān)鍵蛋白質(zhì)的研究方面,L-BC指標具有考慮網(wǎng)絡(luò)局部特性以及減少算法運行時間的優(yōu)點,而k-BC指標對頂點重要性程度劃分地更加細致,本文結(jié)合了這兩個算法的優(yōu)點提出了L1-BC指標。實驗結(jié)果表明,在大多數(shù)數(shù)據(jù)集上L1-BC指標的預測準確率整體都要優(yōu)于其它常見的單個拓撲屬性指標,特別是與傳統(tǒng)的BC指標相比,L1-BC指標的預測準確率能夠提高10%～50%。為了加速L1-BC指標的計算,本文基于Spark實現(xiàn)了 L1...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖２－１蛋白質(zhì)相互作用網(wǎng)絡(luò)??Ｆｉｇｕｒｅ?２－１?Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎ?ｎｅｔｗｏｒｋ??

絡(luò)的研宄與分析，能夠更好的幫助人們理解細胞的生命活動，有效的進行疾病防治??［３６】。從圖論的角度來看，蛋白質(zhì)相互作用網(wǎng)絡(luò)就是一張圖，如圖２－１所示。??圖２－１蛋白質(zhì)相互作用網(wǎng)絡(luò)??Ｆｉｇｕｒｅ?２－１?Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ?ｉｎｔｅｒａｃｔｉｏｎ?ｎｅｔｗｏｒｋ??....

圖２－２?ｍａｐ的計算邏輯??Ｆｉｇｕｒｅ?２－２?Ｔｈｅ?ｃｏｍｐｕｔａｔｉｏｎａｌ?ｌｏｇｉｃ?ｏｆ?ｍａｐ??

例如ｍａｐ計算操作，它表示父ＲＤＤ的每個ｐａｒｔｉｔｉｏｎ的數(shù)據(jù)經(jīng)過ｃｏｍｐｕｔｅ函數(shù)??計算映射到子ＲＤＤ的對應(yīng)的ｐａｒｔｉｔｉｏｎ，每個ＲＤＤ中的ｐａｒｔｉｔｉｏｎ之間互不干擾，它??的ＲＤＤ計算邏輯如圖２－２所示。??ＲＤＤｌ?ＲＤＤ２??ｍａｐ?計算??ｐａｒｔｉｔｉｏｎ....

圖２－３?ｒｅｄｕｃｅＢｙＫｅｙ的計算邏輯??Ｆｉｇｕｒｅ?２－３?Ｔｈｅ?ｃｏｍｐｕｔａｔｉｏｎａｌ?ｌｏｇｉｃ?ｏｆ?ｒｅｄｕｃｅＢｙＫｅｙ??

調(diào)度管理集群資源。接下來簡單介紹一下ｓｔａｎｄａｌｏｎｅ模式的大致結(jié)構(gòu)。??—個標準的ｓｔａｎｄａｌｏｎｅ模式集群有以下四大角色：Ｄｒｉｖｅｒ、Ｍａｓｔｅｒ、Ｗｏｒｋｅｒ、??Ｅｘｅｃｕｔｏｒ。具體如圖２－４所示。??１４??

圖２－４?Ｓｔａｎｄａｌｏｎｅ集群的角色??Ｆｉｕｒｅ?２－４?Ｒｏｌｅｓ?ｏｆ?ｓｔａｎｄａｌｏｎｅ?Ｃｌｕｓｔｅｒ??

ｐａｉｔｉｔｉｏｎ５?：：滅丨?ｕ戀：：：｜??圖２－３?ｒｅｄｕｃｅＢｙＫｅｙ的計算邏輯??Ｆｉｇｕｒｅ?２－３?Ｔｈｅ?ｃｏｍｐｕｔａｔｉｏｎａｌ?ｌｏｇｉｃ?ｏｆ?ｒｅｄｕｃｅＢｙＫｅｙ??從圖中可以看出，在ｍａｐ端計算完成后，ＲＤＤＩ的每個ｐａｒｔｉｔｉｏｎ的數(shù)據(jù)都會??....

本文編號：3894343