基因序列拼接算法的研究.pdf

1、生物信息學(xué)是一門綜合利用生物學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)等學(xué)科知識(shí)的新興交叉學(xué)科，其主要任務(wù)是揭示海量生物學(xué)數(shù)據(jù)中蘊(yùn)含的生物學(xué)意義、探索生命活動(dòng)的奧秘。全基因組DNA序列拼接是生物信息學(xué)研究的重要課題。在大規(guī)模DNA測(cè)序中普遍使用的Shotgun方法中，片段序列的拼接是一個(gè)關(guān)鍵而又費(fèi)時(shí)的過(guò)程，其中包含了一些實(shí)際困難，重復(fù)子序列對(duì)片段間正確重疊的干擾就是其中一個(gè)。如何提高序列拼接的精度和速度是本課題研究的重點(diǎn)。 本文在深入分析現(xiàn)有拼接

2、算法及其實(shí)現(xiàn)軟件的基礎(chǔ)上，針對(duì)分布式并行計(jì)算環(huán)境，提出了優(yōu)化的DNA序列拼接并行算法P Assembler，分別對(duì)序列拼接中的Overlap、Layout和Consensus階段的串行處理過(guò)程和并行算法進(jìn)行了探討，通過(guò)分析數(shù)據(jù)集的劃分方法和串行處理過(guò)程的可并行性，提出了多種不同的并行處理策略并加以比較與分析，理論和實(shí)驗(yàn)結(jié)果都驗(yàn)證了并行處理后序列拼接算法效率大大提高。除此之外，論文針對(duì)DNA序列拼接中比較棘手的重復(fù)序列問(wèn)題，提出了一種改進(jìn)