毕业论文-基于Q-gram过滤的海量基因序列比对算法研究.docxVIP

基于Q-gram过滤的海量基因序列比对算法研究 生物信息学是21世纪生物学的核心，通过研究与探索生物信息学，不仅能发现生命科学所包含的本质问题，而且能对人类发展做出巨大的贡献。序列比对作为生物信息学的基础，具有重要的研究价值，通过序列比对，可以得到序列在结构上的相似性，近一步推测出其在功能上的相似性。然而，当今世界的基因数据库过于庞大并且还在以爆炸式的速度逐年增长，对生物数据库的研究需要去粗取精，去伪存真，才能对基因序列做出精准的预测。 本文以q-gram过滤算法以及Needleman-Wunsch算法为研究对象，详细分析了过滤阶段基于q-gram的各种过滤器以及下一阶段Needleman-Wunsch算法的并行实现，在充分研究各种过滤器能力以及基因序列比对并行特点的基础上，实现了基于q-gram过滤的海量基因序列比对算法的并行实现。本文的核心思想是首先对海量基因序列进行过滤，得到与查询序列相接近的候选序列库，然后将查询序列与已得候选库进行比对，将Needleman-Wunsch算法并行实现。相比于已有算法，本文工作的优点在于对海量基因序列作了预处理，防止进行大量无用的计算，在保持精度的前提下提高了效率。本文工作的主要内容包括： 1. 本文实现了q-gram过滤算法，通过q-gram与编辑距离上下界的关系，过滤掉了大量与查询序列相似度较低的序列，得出满足一定条件的候选基因序列集，为其后续算法做准备。 2. 本文对整个基因序列库进行预处理来加快过滤速度，实现了多种过滤器，并且对其组合以及顺序做了分析，在此基础上进一步利用CPU多核心硬件的特点，利用OpenMP来加快过滤阶段所用时间。 3. 对于得出的候选集，本文利用基于GPU的CUDA开发工具，利用其强大的并行处理的能力，将Needleman-Wunsch算法移植到GPU上，得出最终结果，为近一步对序列功能的分析提供比对结果。 实验结果首先对过滤阶段的算法做了对比，结果表明基于q-gram的过滤算法相比于传统的编辑距离算法，其提高的效率达到两个数量级，并且对各种过滤器及其组合做了分析，得出基于q-gram的高效过滤顺序。 在比对阶段，实验将基于CUDA平台的Needleman-Wunsch算法与传统的基于CPU的比对算法相比较，实验结果表明，基于GPU的CUDA平台算法实现相比CPU的OpenMP平台而言，有极大的优势。 关键词：q-gram过滤，序列比对，并行  the Research of Massive Gene Sequence Alignment Algorithm Based on Q-gram Filtering Method Major: Computer Science and Technology Postgraduate: Mi Lin Tutor: Zhang Yanci As is known to all, bioinformatics is the core of biology in the 21st century. Through bioinformatics research and exploration, we can not only discover the essence of issue contained in the bioscience, but also make a great contribution to human development. As the basis for bioinformatics, sequence alignment has important research value. By sequence alignment, sequence similarity in structure can be obtained. And to go a step further, its similarity in function can also be speculated. However, in todays world, the genetic database is too large and has been growing in an explosive speed year after year. Research on biological databases need to discard the dross and select the essential to make accurate predictions about gene sequences. To take q-gram filtering algorithm and Needleman-Wunsch