基于Hbase生物數(shù)據(jù)存儲和DNA序列分析.pdf

1、隨著生物數(shù)據(jù)量指數(shù)增長，亟待解決的存儲和處理生物數(shù)據(jù)問題比較突出，在建設(shè)生物數(shù)據(jù)庫過程中，利用Hadoop平臺，搭建Hbase存儲模型，實現(xiàn)云存儲生物數(shù)據(jù)，并利用其它學(xué)科知識對序列數(shù)據(jù)進行分析。
　　本文針對在建設(shè)生物數(shù)據(jù)庫過程中，生物數(shù)據(jù)量呈現(xiàn)指數(shù)增長，生物大數(shù)據(jù)處理的問題，利用Hadoop平臺下的Hbase數(shù)據(jù)庫存儲生物數(shù)據(jù)。首先，本文選擇UML類圖表示基因組數(shù)據(jù)和GenBank文件數(shù)據(jù)類圖模型，設(shè)計出基于Hbase數(shù)據(jù)庫模式

2、的基因組數(shù)據(jù)和GenBank文件數(shù)據(jù)的存儲模式，特別是對序列數(shù)據(jù)在Hbase上的存儲模式進行了討論。利用存儲在Hbase數(shù)據(jù)庫下的DNA序列模式，進行序列比對分析，提出最佳選擇比對的短序列，并提出相應(yīng)函數(shù)，給出相應(yīng)函數(shù)的代表意義和利用價值，在一定程度上在本文提出的存儲模式上提高序列比對的效率。
　　本文利用非線性學(xué)科中的相空間知識，利用相空間構(gòu)造不同序列的圖形，在構(gòu)造過程中，利用K-words和本文提出的指數(shù)，計算出最小K值獲得最