《電子技術應用》
您所在的位置：首頁 > 模擬設計 > 設計應用 > 一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法
一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法
電子技術應用
楊波1，徐勝超1，周繼鵬2，王志堅1
1.廣州華商學院 人工智能學院；2.暨南大學 信息科學技術學院
摘要： 提出一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法。建立核酸替換等價矩陣作為基因啟發(fā)式數(shù)學模型，構建Yarn云平臺邏輯架構，通過對基因數(shù)據(jù)預處理、基因數(shù)據(jù)存儲、基因序列比對、基因數(shù)據(jù)管理、基因數(shù)據(jù)分析等步驟，對數(shù)據(jù)分類保存，劃分錯誤率較高的長序列，得到多個較短的基因片段。對不同片段實施定位，將其中的變長種子生成，進行骨架構建和孔隙填補，可以實現(xiàn)基因啟發(fā)式多序列比對。結果表明，設計的算法在不同數(shù)據(jù)集下處理時間縮短，多序列比對SP（Sum of Pairs）的分值較高，實驗驗證了該多序列比對方法具有很好的應用價值。
中圖分類號：TP393.4 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.245448
中文引用格式： 楊波，徐勝超，周繼鵬，等. 一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法[J]. 電子技術應用，2024，50(11)：16-22.
英文引用格式： Yang Bo，Xu Shengchao，Zhou Jipeng，et al. Gene heuristic multi sequence alignment algorithm based on Yarn cloud platform[J]. Application of Electronic Technique，2024，50(11)：16-22.
Gene heuristic multi sequence alignment algorithm based on Yarn cloud platform
Yang Bo1，Xu Shengchao1，Zhou Jipeng2，Wang Zhijian1
1.School of Artificial Intelligent， Guangzhou Huashang College； 2.School of Information Science and Technology， Jinan University
Abstract： This paper proposes a gene heuristic multi sequence alignment algorithm based on the Yarn cloud platform. Establish a nucleic acid replacement equivalence matrix as a genetic heuristic mathematical model, construct the Yarn cloud platform logical architecture, and classify and save the data through steps such as gene data preprocessing, gene data storage, gene data alignment, gene data management, and gene data analysis. Divide long sequences with high error rates, and obtain multiple shorter gene fragments. Implementing localization on different fragments, generating variable length seeds, constructing skeletons and filling gaps, can achieve gene heuristic multi sequence alignment. The results show that the designed algorithm reduces processing time on different datasets, and the sum of pairs (SP) score for multi sequence alignment is higher. This experiment verifies the practicality of the multi sequence alignment method.
Key words : biological data；parallel computing；distributed computing architecture；distributed database system；big data processing platform

引言

生物序列對比是生物信息學領域的核心內容。由于不同物種的基因序列長度不同，大量的重復序列高頻率出現(xiàn)在每個物種的基因組中，因此每個物種都有一個多序列比對問題。最重要的工作是建立基因數(shù)據(jù)庫，在基因數(shù)據(jù)庫的建立過程中，對于基因啟發(fā)式的多序列比對研究是重中之重。在比對的過程中，通過比較不同物種或同一物種不同基因的DNA序列，基因啟發(fā)式多序列比對算法有助于理解基因的進化歷史、功能和結構，通過比對多個基因序列的相似性和差異性，可以推斷出這些物種之間的進化關系，從而了解物種之間是否有親緣關系和演化到目前為止的歷程?；騿l(fā)式多序列比對算法可以找出多個基因序列之間的共同結構和功能區(qū)域，這有助于預測新的基因功能，為藥物設計和疾病治療提供重要信息。總之，基因啟發(fā)式多序列對比算法可以揭示基因的多種特點和規(guī)律，為生物學、醫(yī)學和農業(yè)等領域的研究提供重要支持。

國內外眾多學者都對基因比對算法有著深入研究。文獻[1]提出了一種基于序列長度的高效多序列比對算法，該算法首先根據(jù)基因序列的長度將其劃分為若干段，然后對每個分段排序，并與原始序列比對。文獻[2]介紹了一種基于時間窗的DNA序列分段方法，該方法的核心步驟是將DNA序列依據(jù)其長度切割成多個區(qū)間，并對這些區(qū)間逐一比較分析。而文獻[3]則側重于基因序列比對原理的探討，通過引入Logistic映射對混沌遺傳算法的優(yōu)化，有效提升了算法的收斂速度。在算法設計中，它明確了基因序列的遺傳編碼方式，并計算了相應的適應度值，同時考慮了堿基缺失情況的影響。此外，文中還設計了混沌遺傳算子，實施了混沌變異操作，從而實現(xiàn)了基因序列的比對。文獻[4]則提出了一種基于啟發(fā)式策略的多序列比對算法。該算法首先利用啟發(fā)式策略對多個基因排序，然后將所有排序后的結果比對。然而，DNA序列比對算法在實踐中也面臨一些挑戰(zhàn)。由于DNA序列通常較長且序列間重疊率高，傳統(tǒng)的比對算法往往耗時較長。同時，由于DNA序列的穩(wěn)定性以及比對結果的單一性，基因數(shù)據(jù)信息在比對過程中損失較大，這在一定程度上影響了比對的準確性。因此，如何快速且準確地完成多個基因的比對，成為當前亟待解決的問題[5-8]。

云平臺能夠共享龐大的計算資源，并以服務的形式提供給用戶，讓用戶能夠按需靈活使用。Yarn云平臺是云計算Apache Hadoop2.0生態(tài)系統(tǒng)中的一個關鍵組件，是用于資源管理和作業(yè)調度的分布式計算框架。利用Yarn在云環(huán)境中提供資源分配、作業(yè)調度和容錯能力，使用戶能夠高效地利用云計算提供的計算能力。本文提出了一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法，旨在提高比對效率和準確性。結合生物知識建立基因啟發(fā)式數(shù)學模型，構建Yarn云平臺邏輯架構，針對處理后的數(shù)據(jù)并行計算，提高處理效率，利用HBase數(shù)據(jù)庫和基因段編碼模塊對數(shù)據(jù)的存儲和處理，將序列比對的結果展示在數(shù)據(jù)庫中。通過實驗結果可知，本文的方法運行時間較短且SP分值高于0.9，具有良好的應用性能。


本文詳細內容請下載：

http://ihrv.cn/resource/share/2000006204


作者信息：

楊波1，徐勝超1，周繼鵬2，王志堅1

（1.廣州華商學院 人工智能學院， 廣東  廣州511300；

2.暨南大學 信息科學技術學院， 廣東 廣州510632）


Magazine.Subscription.jpg

此內容為AET網站原創(chuàng)，未經授權禁止轉載。