基于P2P的生物信息检索

论文摘要

近年来,生物技术的发展,特别是人类基因组计划的开展和深入,大量生物文档出现,越来越多的生物序列（基因序列和蛋白质序列）被检测出来,而微阵列技术的发展也使得基因表达数据大量涌现。如何有效地利用这些资源就成了一个重要的课题。与此同时,对等计算（Peer-to-Peer,简称P2P）因其潜在的技术优势和广阔的应用前景,近年来引起工业界和学术界的广泛关注。本文首先实现了一个基于P2P的生物文档共享和检索系统。该系统通过灵活的节点加入策略、高效的索引机制、有效的路由策略,提供了基于元数据和内容等多种检索功能和友好的人机界面。应用部署证明系统具有很高的检索效率和跨平台数据交换能力。其次,为解决网络版和单机版BLAST存在的数据更新、序列隐私及数据源交互等问题,首次将P2P技术引入到序列比对中去,实现了基于P2P的生物序列搜索系统P2P-BLAST。P2P-BLAST实现了改进的BLAST算法,支持对DNA序列和蛋白质序列的个性化查询。与网络版的BLAST不同,P2P-BLAST没有中心数据库,共享的序列数据仍保存在本地,节点提交的包含特定序列的查询请求会被转发到有共享数据的节点,并在那些节点本地执行。P2P-BLAST对从不同节点得到的结果根据序列的相似度进行整合排序,并根据访问设置提供给节点浏览和下载。此外,本文提出了一种新的基于基因本体（Gene Ontology）的基因表达数据相似度算法——基因本体上的加权编辑距离算法,以用于基于基因表达数据相似度的检索等应用。此算法将微阵列基因表达数据映射到基因本体上的不同结构,通过定义在基因本体上的编辑操作以及不同结点的权重信息,计算不同结构之间的编辑距离,最后得到两个基因表达数据的相似度。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景
• 1.1.1 P2P技术
• 1.1.2 生物序列比对
• 1.1.3 基因表达数据相似性计算
• 1.2 本文研究内容及成果
• 1.2.1 基于P2P的生物文档共享与检索
• 1.2.2 P2P-BLAST:基于P2P的生物序列搜索
• 1.2.3 基于相似度的基因表达数据检索
• 1.3 本文结构
• 第二章 相关工作
• 2.1 已有P2P系统
• 2.1.1 早期的P2P系统
• 2.1.2 部分集中的非结构化P2P系统
• 2.1.3 结构化P2P系统
• 2.1.4 其他系统
• 2.2 生物序列比对方法
• 2.2.1 序列两两比对算法
• 2.2.2 多序列比对算法
• 2.3 基因表达数据相似度计算算法
• 2.3.1 Pearson相关系数（Pearson correlation coefficient）
• 2.3.2 基于基因本体的基因表达数据相似度计算
• 第三章 基于P2P的生物文档共享与检索
• 3.1 系统结构
• 3.1.1 网络拓扑
• 3.1.2 节点结构
• 3.1.3 工作流程
• 3.2 关键技术
• 3.2.1 超级节点的实现
• 3.2.2 通信机制
• 3.2.3 节点加入和退出策略
• 3.2.4 索引机制
• 3.2.5 路由策略
• 3.3 系统介绍
• 3.4 小结
• 第四章 P2P-BLAST:基于P2P的生物序列搜索
• 4.1 体系结构
• 4.1.1 拓扑结构
• 4.1.2 节点功能
• 4.1.3 系统介绍
• 4.2 系统实现
• 4.2.1 算法选择
• 4.2.2 打分矩阵
• 4.2.3 序列搜索与共享
• 4.2.4 结果排序
• 4.3 小结
• 第五章 基于相似度的基因表达数据检索
• 5.1 基因本体上的编辑距离（GOED）
• 5.2 权重函数
• 5.2.1 不同层上结点的权重定义
• 5.2.2 结点间关系的权重
• 5.3 带权重信息的基因表达数据相似度计算
• 5.3.1 基因本体上的加权编辑距离的计算
• 5.3.2 基因表达数据相似度的计算
• 5.4 小结
• 第六章 总结与展望
• 参考文献
• 致谢