基于Hbase生物數(shù)據(jù)存儲(chǔ)和DNA序列分析.pdf

1、隨著生物數(shù)據(jù)量指數(shù)增長(zhǎng)，亟待解決的存儲(chǔ)和處理生物數(shù)據(jù)問題比較突出，在建設(shè)生物數(shù)據(jù)庫過程中，利用Hadoop平臺(tái)，搭建Hbase存儲(chǔ)模型，實(shí)現(xiàn)云存儲(chǔ)生物數(shù)據(jù)，并利用其它學(xué)科知識(shí)對(duì)序列數(shù)據(jù)進(jìn)行分析。
　　本文針對(duì)在建設(shè)生物數(shù)據(jù)庫過程中，生物數(shù)據(jù)量呈現(xiàn)指數(shù)增長(zhǎng)，生物大數(shù)據(jù)處理的問題，利用Hadoop平臺(tái)下的Hbase數(shù)據(jù)庫存儲(chǔ)生物數(shù)據(jù)。首先，本文選擇UML類圖表示基因組數(shù)據(jù)和GenBank文件數(shù)據(jù)類圖模型，設(shè)計(jì)出基于Hbase數(shù)據(jù)庫模式

2、的基因組數(shù)據(jù)和GenBank文件數(shù)據(jù)的存儲(chǔ)模式，特別是對(duì)序列數(shù)據(jù)在Hbase上的存儲(chǔ)模式進(jìn)行了討論。利用存儲(chǔ)在Hbase數(shù)據(jù)庫下的DNA序列模式，進(jìn)行序列比對(duì)分析，提出最佳選擇比對(duì)的短序列，并提出相應(yīng)函數(shù)，給出相應(yīng)函數(shù)的代表意義和利用價(jià)值，在一定程度上在本文提出的存儲(chǔ)模式上提高序列比對(duì)的效率。
　　本文利用非線性學(xué)科中的相空間知識(shí)，利用相空間構(gòu)造不同序列的圖形，在構(gòu)造過程中，利用K-words和本文提出的指數(shù)，計(jì)算出最小K值獲得最