引言

生物序列對比是生物信息學(xué)領(lǐng)域的核心內(nèi)容。由于不同物種的基因序列長度不同，大量的重復(fù)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(jié)構(gòu)，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(guān)系，從而了解物種之間是否有親緣關(guān)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(jié)構(gòu)和功能區(qū)域，這有助于預(yù)測新的基因功能，為藥物設(shè)計和疾病治療提供重要信息?？傊?，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(xué)、醫(yī)學(xué)和農(nóng)業(yè)等領(lǐng)域的研究提供重要支持。

國內(nèi)外眾多學(xué)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(cè)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(shè)計中，它明確了基因序列的遺傳編碼方式，并計算了相應(yīng)的適應(yīng)度值，同時考慮了堿基缺失情況的影響。此外，文中還設(shè)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(jié)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(jié)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(wù)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(guān)鍵組件，是用于資源管理和作業(yè)調(diào)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(diào)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(jié)合生物知識建立基因啟發(fā)式數(shù)學(xué)模型，構(gòu)建Yarn云平臺邏輯架構(gòu)，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(jié)果展示在數(shù)據(jù)庫中。通過實驗結(jié)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(yīng)用性能。

本文詳細內(nèi)容請下載：

http://theprogrammingfactory.com/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(xué)院 人工智能學(xué)院， 廣東  廣州511300；

2.暨南大學(xué) 信息科學(xué)技術(shù)學(xué)院， 廣東 廣州510632）