基于分割策略的生物單體型數據推導算法研究.pdf

1、隨著人類基因組計劃的完成，人們發(fā)現基因的微小變化會在個體或者物種性狀上引起巨大的差異。自然界中的大多數物種都是雙倍體的，生物實驗中得到的是兩條單體型的組合，即基因型數據。而單體型是基因遺傳的片段，對于特定疾病以及物種間相似性的研究需要將正常人的單體型序列和有疾病人的單體型序列進行比較，因此單體型推導算法在研究基因多樣性以及遺傳疾病中起著重要的作用。
　　目前，較為主流的單體型推導算法有Clark算法、EM算法、Hapar算法、和P

2、hase算法。本文對Hapar推導算法和Phase推導算法引入了分割策略和最大漢明距策略，從而提高了這兩種推導算法的準確率和運行速度。本文主要工作內容如下:
　　(1)數據預處理。在實驗中得到的大多數數據與本文提出的單體型推導算法所需要的輸入文件格式不同。因此，對于每一個單體型推導算法，需要將基因型數據預處理成與之對應的輸入文件格式。
　　(2)提出引入分割策略的Hapar推導算法。當基因型數據中的SNP(SingleNuc

3、leotide Polymorphisms)序列很長時，Hapar推導算法運行時會消耗的時間非常多，甚至無法進行推導。本文對Hapar推導算法引入分割策略，將基因型分割成小片段的SNP序列，這樣便可以保證Hapar推導算法的正常運行以及減少運行時間。
　　(3)提出引入分割和最大漢明距策略的Phase單體型算法?；蛐蛿祿械碾s合位點數目較多時，Phase單體型推導算法存在部分雜合位點無法完成推導。因此，本文將最大漢明距策略引入P