21221.環(huán)境微生物基因組物種結構無監(jiān)督分析算法的研究

1、東南大學博士學位論文環(huán)境微生物基因組物種結構無監(jiān)督分析算法的研究姓名：楊彬申請學位級別：博士專業(yè)：生物醫(yī)學工程指導教師：陸祖宏20110925要任何先驗知識的非監(jiān)督封裝工具，填補了宏觀基因組研究的方法學空白。為了進一步提高封裝的效果，更加重要的是對DNA序列之間，子串頻度的相似性給出更加科學的解釋和定義。我們引入了一種在數(shù)學和計算機科學領域被廣泛應用的順序表相關性因子的距離定義：SpearmanFootrule距離。MetaCluste

2、r20在進一步提高封裝精度的前提下，也大幅改善了程序的運行效率，和同時期出現(xiàn)的封裝算法LikelyBin相比，基于相同的測試數(shù)據和軟硬件環(huán)境，在保證相同的封裝精度的前提下，MetaCluster20的速度是后者的3050倍。在MetaCluster30版本中，我們采用了“先自上而下分解，再由下而上融合“的封裝策略，從而解決了所有非監(jiān)督算法都面臨的物種間相對豐度差異較大的數(shù)據集的封裝問題。實驗結果表明，針對不同物種豐度比例的數(shù)據集，從最簡

3、單的l：l到最復雜情況的l：24，MetaCluster30都能保持很高的分類和封裝精度。此外我們利用種內和種間SpearmanFootrule距離的分布特性，建立概率模型預測封裝數(shù)據集中物種的數(shù)量，和傳統(tǒng)的非監(jiān)督封裝算法相比，MetaCluster最新版本可以完全自動的處理輸入數(shù)據集，不再需要人為預估數(shù)據集中物種的大概數(shù)量。從而真正意義上實現(xiàn)了完全非監(jiān)督的封裝?？紤]到生物學家在研究工作所遇到的實際需求，在20及以后的版本中，我們亦提供

4、針對封裝結果進行物種分類注釋的功能?？梢栽跊]有相關物種參考序列，甚至沒有相似物種參考序列的情況為每一個封裝簇標記上其可能物種分類信息。從而為生物學家在探索完全未知微生物的工作中，提供了寶貴的第一手資料。本課題組正在從事國產高通量測序解決方案的開發(fā)，因此我們在常用生物信息學算法的基礎上開發(fā)了基于“BrowserServer“結構的商業(yè)化軟件AGSequenceAnalyst，并與東南大學生物電子學國家重點實驗室研發(fā)的AG系列高通量快速DN

5、A測序系統(tǒng)無縫集成。AGSequenceAnalyst提供了基礎的數(shù)據整理，錯誤修正以及格式轉換等功能，以優(yōu)化核心生物信息學算法的表現(xiàn)。此外該軟件還為用戶提供易用的圖形化用戶晃面，高效的多用戶并發(fā)任務流管理機制，嚴格的用戶及用戶文檔控制等功能，并能夠在后臺自動清理分析流程產生的臨時文件，無需用戶額外處理。AGSequenceAnalyst直接安裝在AG系列高通量快速DNA測序系統(tǒng)的高性能計算服務器上，也為客戶省去了購置計算硬件的高額成本