基于Sector-Sphere云計(jì)算平臺(tái)的海量GC-MS數(shù)據(jù)并行處理算法研究與實(shí)現(xiàn).pdf

1、氣相色譜質(zhì)譜聯(lián)用技術(shù)(Gas Chromatography-Mass Spectrometry，簡(jiǎn)稱GC-MS)因具有分辨率高、靈敏度高、重現(xiàn)性好，價(jià)格相對(duì)較低等優(yōu)點(diǎn)，被廣泛的應(yīng)用于生物代謝研究、生物標(biāo)志物的發(fā)現(xiàn)、毒理學(xué)、營(yíng)養(yǎng)學(xué)、農(nóng)業(yè)病理學(xué)等領(lǐng)域。
　　氣相色譜質(zhì)譜聯(lián)用所獲得的色譜圖可包含幾萬(wàn)張質(zhì)譜圖，其數(shù)據(jù)量大且格式復(fù)雜，數(shù)據(jù)處理涉及去噪平滑、基線校正、峰提取、重疊峰解析、保留時(shí)間對(duì)齊、化合物定量分析等，整個(gè)計(jì)算過(guò)程極其耗時(shí)。目

2、前國(guó)內(nèi)GC-MS數(shù)據(jù)處理算法及軟件的研究處于剛剛起步階段，國(guó)外GC-MS數(shù)據(jù)處理軟件主要針對(duì)少量樣本的處理，而對(duì)于大批量樣本的處理算法及軟件仍是空白。
　　當(dāng)處理大量數(shù)據(jù)時(shí)過(guò)長(zhǎng)的處理時(shí)間會(huì)嚴(yán)重拖延整個(gè)實(shí)驗(yàn)進(jìn)度，計(jì)算機(jī)內(nèi)存不足也成為處理大批量樣本的瓶頸，針對(duì)這個(gè)問題，提出了基于云計(jì)算平臺(tái)Sector/Sphere的GC-MS數(shù)據(jù)并行處理方案，主要工作如下：
　?。?）針對(duì)GC-MS大批量樣本處理的速度慢，單機(jī)內(nèi)存不足的問題，結(jié)

3、合云計(jì)算平臺(tái)Sector/Sphere的高速性、靈活性等優(yōu)勢(shì)，設(shè)計(jì)了基于Sector/Sphere平臺(tái)的GC-MS數(shù)據(jù)并行處理框架，為GC-MS數(shù)據(jù)處理并行算法的研究與實(shí)現(xiàn)提供依據(jù)。
　?。?）提出了依據(jù)層次聚類的樣本集自動(dòng)分組原理，提出以各樣本簇的平均樣本作為對(duì)齊依據(jù)的簇結(jié)果合并算法，設(shè)計(jì)并實(shí)現(xiàn)了多樣本對(duì)齊并行處理流程，實(shí)驗(yàn)驗(yàn)證了多樣本并行對(duì)齊算法的準(zhǔn)確性和有效性，能夠在保證較高正確率的前提下加快數(shù)據(jù)處理速度，同時(shí)解決單機(jī)內(nèi)存不