基于多线程技术dBM改进算法.docVIP

基于多线程技术dBM改进算法 　　 (华南农业大学， 广州 510642) 　　?? 　　摘要：在分析基于压缩的DNA模式匹配算法d-BM的基础上，采用多线程技术，设计并实现MultipleOF-dBM算法和DoubleOF-dBM算法。实验结果表明，新算法的匹配速度比d-BM算法有所提高。 　　?す丶?词：生物信息学； 压缩模式匹配； d-BM算法； 多线程技术 　　?ぶ型挤掷嗪牛?TP311文献标志码：A 　　文章编号：1001-?B3695(2008)11-?B3299-?B03 　　?? 　　Multithread-based improvement of d-BM algorithm 　　?? 　　LIU Shao-peng, LIN Pi-yuan, ZHANG Li-xia, LIU Ji-ping 　　?? 　　(South China Agricultural University, Guangzhou 510642, China) 　　?? 　　Abstract:After analysis of the d-BM algorithm for DNA compressed pattern matching, two new algorithms, MultipleOF-dBM and DoubleOF-dBM were designed and implemented by using multithreads. The experimental results show that the efficiency of the new algorithms is higher than the old one. 　　??Key words：bioinformatics; compressed pattern matching; d-BM; multithread technology 　　?お? 　　0引言?? 　　生物信息学(bioinformatics)[1,2]实质是利用计算机科学和网络技术来解决生物学问题。其中DNA序列比对[3,4]是生物信息学最基本、最重要的操作之一，通过它可以发现生物序列的功能、结构和进化信息。DNA序列比对是传统的模式匹配；而直接利用压缩后的DNA数据进行序列比对则是特殊的模式匹配，即DNA压缩模式匹配[5]，它无须解压缩操作，在减少DNA序列存储空间的同时，极大地提高匹配检索效率。?? 　　经典的字符串模式匹配算法有Knuth-Morris-Pratt算法[6,7]和Boyer-Moore算法[8,9]等。Boyer-Moore算法的匹配速度很快，与同类算法相比，表现更为优秀。其算法思想是：a)根据模式串构造坏字符移动表和好后缀移动表；b)从右至左扫描文本串，直到找出所有匹配位置。?? 　　由于DNA序列具有特殊性(它仅包括A、T、C、G四个字母，字母表大小为4)，而Boyer-Moore算法的匹配速度与模式的字母表大小是紧密联系的(字母表越大，速度就越快；字母表越小，速度越慢)，使得Boyer-Moore算法难以在DNA序列的模式匹配中发挥其高效性。?? 　　Chen Lei等人[10]设计了d-BM压缩模式匹配算法，通过对DNA序列和模式进行压缩，扩大模式的字母表，再利用Boyer-Moore算法进行匹配。该算法的匹配速度明显比Boyer-Moore算法快。?? 　　本文采用多线程技术，在d-BM算法的基础上改进，设计并实现MultipleOF-dBM算法和DoubleOF-dBM算法，实验结果表明新算法的匹配速度比d-BM算法有所提高。?? 　　1d-BM压缩模式匹配算法?? 　　1??1d-BM算法思想?? 　　d-BM算法思想：a)采用简单01码压缩算法[11]，将DNA序列压缩为一个Unicode字符串，DNA模式压缩为八个Unicode字符串，以及相关的信息。b)八个压缩DNA模式串分别与压缩DNA串进行一次BM(即Boyer-Moore算法)匹配，再根据压缩后DNA模式串的特殊字符和补位信息，对匹配位置进行检验，确保其合法性。?? 　　1??2d-BM算法描述?? 　　 压缩DNA模式表示为五元组：〈Pf, Af, Pm, Pb, Ab〉。其中：Pf是第一个unicode字符；Af是Pf中无效的比特位数；Pb是最后一个Unicode字符；Ab是Pb中无效的比特位数；Pm是除去Pf和Pb后的Unicode字符串，其长度为m′。压缩DNA序列表示为三元组：〈Tf, Tb, A〉。其中：Tb是最后一个Unicode字符；A是Tb中无效的比特位数；Tf是除去Tb后的Unicode字符串，长度为n′。??