關聯(lián)規(guī)則挖掘在病毒基因數(shù)據(jù)分析中的應用.pdf

1、2013年2月在浙江省、上海市、江蘇省、安徽省爆發(fā)的 H7N9甲型流感病毒在全國范圍的廣泛傳播,引起了人們的廣泛關注。所謂甲型流感病毒(Influenza A virus),也稱為 A型流感病毒,該病毒主要存在于動物中,一旦變異會造成世界流感大流行;而去年這一 H7N9新型病毒的流行,也使得世界衛(wèi)生部將甲型流感病毒的研究提上議程。隨著基因組計劃的完成,我們所測得的甲型流感病毒感染者的序列數(shù)據(jù)越來越多,如何運用一種有效的數(shù)據(jù)分析工具來分析

2、和處理這些大量和復雜的序列基因數(shù)據(jù),已經成為甲型流感病毒乃至現(xiàn)代生物時代的一個重大挑戰(zhàn)。在此情況下,將數(shù)據(jù)挖掘技術與生物信息學進行結合,便是一個最適合,也最有效的辦法。
　　根據(jù)對以往資料、數(shù)據(jù)的分析和研究,本文以甲型流感病毒 H1N1,H3N2為例,進行基因序列二級專用數(shù)據(jù)庫的構建,在對關系型數(shù)據(jù)庫設計原則、概念設計、邏輯設計研究分析的基礎上,提出相應的 E-R圖及關系表設計。該甲型流感病毒的數(shù)據(jù)主要來源于 Genbank數(shù)據(jù)庫

3、中的基因序列,通過該數(shù)據(jù)庫自帶的檢索工具Entrz來搜索我們所需要的序列數(shù)據(jù),將檢索得到的數(shù)據(jù)保存為 XML格式,其目的是方便異構數(shù)據(jù)庫數(shù)據(jù)的整合,在這里我們使用模板驅動映射,實現(xiàn) SQL數(shù)據(jù)與 XML文檔數(shù)據(jù)的映射。在以上工作的基礎上,最終構成以 genbank格式存儲序列的本地二級基因病毒序列數(shù)據(jù)庫。
　　本文另一個重點研究的問題就是數(shù)據(jù)挖掘的關聯(lián)規(guī)則對病毒基因數(shù)據(jù)頻繁序列的挖掘。本文針對 Apriori算法的致命缺點,提出基