群体分析工具包的并行设计与实现

摘要

随着生物数据量逐年急剧增长，生物大数据处理技术显得越来越重要。如何针对特定生物数据设计并行算法以提高算法运行效率成为研究热点之一。本文采用OpenMP技术，针对一系列群体分析工具设计并实现了相应并行算法，使得大豆数据处理效率得以提高。
　　本文以大豆的基因变异信息作为主要的实验数据，对基于F统计的种群分析工具、GWAS中鲁棒性关系推理工具和关联性分析工具分别进行并行化研究。F统计工具通过读取vcf源文件和两个种群文件，对两种文件中的个体名做比对，提取有效生物信息并计算出种群间的关系值，进而得到两个种群的分化程度。GWAS中鲁棒性关系推理工具，主要通过对vcf源文件中的GT值进行截取，得出原始数据并进行相应运算，从而得出每两个个体间的关系值，通过关系值可以对生物原有的系谱进行填补，使生物间的关系更加完整。关联性分析工具是通过对vcf原文件的读取和预处理，再对数据进行比对，得出个体SNP杂合位点数和纯合位点数，以此进行计算，得出每两个个体间的关联值，通过对关联值做相应生物处理，可以找到生物的潜在的遗传可能性。
　　论文首先设计了易于并行化的串行算法，然后根据运算对象的独立性，针对算法中的可并行部分进行并行处理。最终对每个工具的串/并行的结果与时间进行了比较分析。实验结果表明，采用OpenMP并行技术可以有效地提高每个群体分析工具的数据处理和分析的效率，对处理大量的生物信息数据很有意义。

目录

摘要

第1章 绪论

1．1 课题研究背景、目的和意义

1．2 课题的研究现状及发展趋势

1．3 项目的应用前景和学术价值

1．4 本论文主要研究内容

1．5 本章小结

第2章 群体分析工具的相关理论和技术

2．1 F统计工具的概述

2．2 全基因组关联分析中的鲁棒性关系推理工具的概述

2．3 关联性分析工具的概述

2．4 相关技术

2．4．1 多核

2．4．2 OpenMP编程基础

2．4．3 OpenMP执行模式

2．5 论文结构

2．6 本章小节

第3章 基于F统计的种群分析工具的设计与实现

3．1 F统计的源数据

3．1．1 vcf源数据

3．1．2 种群数据

3．2 F统计的相关运算

3．3 F统计工具的流程设计

3．4 F统计的并行算法设计与实现

3．5 系统开发的环境及硬件配置

3．6 实验结果

3．7 本章小结

第4章 GWAS鲁棒性关系推理工具的设计与实现

4．1 GWAS中鲁棒性关系推理工具的分析

4．2 GWAS中鲁棒性关系推理串行算法

4．2．1 源数据的读入与预处理

4．2．2 数据的处理与结果的输出

4．3 GWAS中鲁棒性关系推理算法的并行设计与实现

4．4 实验结果

4．5 本章小结

第5章 关联性分析工具的设计与实现

5．1 关联性分析工具的分析

5．2 关联性分析串行算法的设计与实现

5．3 关联性分析工具的并行设计与实现

5．4 实验结果

5．5 本章小结

结论

参考文献

致谢

攻读学位期间发表的学术论文

声明