生物序列數(shù)據(jù)庫(kù)中相似性查詢(xún)處理技術(shù)的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著基因測(cè)序技術(shù)和人類(lèi)基因組計(jì)劃的發(fā)展,人類(lèi)已獲得了大量的生物序列數(shù)據(jù),并且其積累速度還在飛速增長(zhǎng)。生物信息學(xué)作為一個(gè)新興學(xué)科,對(duì)如何利用信息技術(shù)來(lái)分析生物數(shù)據(jù),提供了有效的解決方法。 從生物角度來(lái)講,基因序列結(jié)構(gòu)的相似性往往導(dǎo)致其功能上的相似性。序列相似性查詢(xún)就是應(yīng)用這個(gè)原理,給定一條查詢(xún)序列,找到數(shù)據(jù)庫(kù)中滿(mǎn)足查詢(xún)條件的一條或多條相同或相似的已知生物序列,從而利用已知的生物序列推測(cè)這個(gè)查詢(xún)序列的功能。 序列相似性查詢(xún)技

2、術(shù)主要分為基于索引的方法和非索引方法兩類(lèi)。非索引方法通常需要搜索整個(gè)數(shù)據(jù)庫(kù),隨著數(shù)據(jù)庫(kù)的不斷增大,其性能越來(lái)越不理想。因此,基于索引的方法就應(yīng)運(yùn)而生,由于這種方法不需要搜索整個(gè)數(shù)據(jù)庫(kù),其性能比較理想。然而,現(xiàn)有的基于索引的方法還存在很多問(wèn)題。例如,MRS索引方法為了保證能將該索引裝入內(nèi)存,使其最小綁定矩形中所包含的向量較多,因此索引中最小綁定矩形的平均體積很大,從而導(dǎo)致查詢(xún)字符串到被索引的MBR距離變小,從而使得索引的過(guò)濾性能降低。

3、 本文從研究生物序列的相似性查詢(xún)?nèi)胧郑岢隽艘环N聚類(lèi)的多解析度字符串索引結(jié)構(gòu)。為了降低最小綁定矩形的平均體積,我們對(duì)包含字符串較少的最小綁定矩形進(jìn)行聚類(lèi),壓縮了每個(gè)最小綁定矩形的最高點(diǎn)和最低點(diǎn)的平均距離,增加查詢(xún)點(diǎn)到索引的距離,從而大大地提高了原有索引結(jié)構(gòu)的過(guò)濾能力。而且我們還提出了一種新的后處理方法,對(duì)從索引中過(guò)濾出來(lái)的字符串進(jìn)一步篩選,大大地降低了字符串之間的編輯距離的計(jì)算次數(shù),從而加快了查詢(xún)處理的性能。 大量的實(shí)驗(yàn)表明

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論