生物壓縮數(shù)據(jù)庫工具的開發(fā)與應用.pdf

1、在取得人類基因組完整序列的近十年中,各類大規(guī)模生物組學研究方法已滲透到了現(xiàn)代生物學研究的各個方面。而由這些技術所帶來的海量高維數(shù)據(jù)已使得現(xiàn)代生物學越來越趨向于一種針對大規(guī)模實驗數(shù)據(jù)進行建模、解釋并加以應用的信息科學。在這樣一個學科發(fā)展的背景下,對各種生物數(shù)據(jù)的處理與保存就顯得尤為重要。目前,一些海量且穩(wěn)定的生物數(shù)據(jù)的儲存與共享一般利用常規(guī)文本文件,如生物序列的FASTA文件,數(shù)據(jù)自身的冗余進行壓縮的方法來處理。但是,此處理在實現(xiàn)節(jié)約數(shù)據(jù)

2、空間的同時,卻造成了各種數(shù)據(jù)在操作上的困難。如需要對數(shù)據(jù)進行提取、搜索或整合等。為此我們針對生物數(shù)據(jù)設計了一種壓縮數(shù)據(jù)庫模型,并通過編寫生物數(shù)據(jù)儲存與管理工具——GZQ(Gene Zip Query Tools)來實現(xiàn)對于壓縮數(shù)據(jù)的各項基本操作。GZQ數(shù)據(jù)庫的主體設計思想是對生物數(shù)據(jù)文件中的不同數(shù)據(jù)項的內容進行獨立的分塊壓縮操作,并可以根據(jù)數(shù)據(jù)的具體特性,選擇合適的數(shù)據(jù)塊組織方式與壓縮方法。同時,通過結合使用GZQ工具中的壓縮模塊(co