Docker生物云計(jì)算平臺(tái)分析松材線蟲(chóng)高通量測(cè)序數(shù)據(jù)的應(yīng)用研究.pdf

1、隨著二代測(cè)序技術(shù)在生命科學(xué)研究領(lǐng)域的廣泛應(yīng)用，生物學(xué)家們正面臨生物大數(shù)據(jù)處理、分析的挑戰(zhàn)，同時(shí)生物大數(shù)據(jù)也將成為生命科學(xué)領(lǐng)域創(chuàng)新的源泉，對(duì)這些數(shù)據(jù)創(chuàng)新性的管理和應(yīng)用，將為生命科學(xué)及相關(guān)產(chǎn)業(yè)領(lǐng)域帶來(lái)一次新的革命。高通量測(cè)序技術(shù)的發(fā)展，推動(dòng)序列數(shù)據(jù)的迅速增長(zhǎng)，普通實(shí)驗(yàn)室也可以達(dá)到PT級(jí)生物測(cè)序數(shù)據(jù)量，如此大規(guī)模的數(shù)據(jù)的有效存儲(chǔ)、高效分析、共享利用，都是我們面對(duì)的難題，對(duì)高性能計(jì)算也提出了嚴(yán)峻的挑戰(zhàn)。目前已測(cè)序的物種也只是一小部分而已，已完成

2、測(cè)序的物種相關(guān)數(shù)據(jù)的分析也不深入。在算法優(yōu)化、軟件并行化、流程自動(dòng)化、大規(guī)模數(shù)據(jù)存儲(chǔ)、處理及深度分析等層面，有亟待的工作需要廣泛開(kāi)展。針對(duì)新一代測(cè)序數(shù)據(jù)量大、數(shù)據(jù)處理過(guò)程復(fù)雜、對(duì)計(jì)算資源要求高等特點(diǎn)，云計(jì)算提供了一種有效的解決途徑，云架構(gòu)下的平臺(tái)搭建，存儲(chǔ)、計(jì)算軟件開(kāi)發(fā)，工作流框架正在不斷發(fā)展完善，并在未來(lái)的生物大數(shù)據(jù)分析、存儲(chǔ)方面發(fā)揮著重要作用。
　　Docker是PaaS提供商dotCloud提供的一款基于LXC(LinuX

3、Containers)開(kāi)源項(xiàng)目。Docker目前在云計(jì)算領(lǐng)域迅速發(fā)展，包括dotCloud、GoogleCompute Engine和百度應(yīng)用引擎(BAE)，都使用了Docker。LXC是一種共享Kernel的操作系統(tǒng)級(jí)別的虛擬化解決方案，通過(guò)在執(zhí)行時(shí)不重復(fù)加載內(nèi)核，且虛擬容器(Container)與宿主機(jī)(Host)之間共享內(nèi)核來(lái)加快啟動(dòng)速度和減少內(nèi)存消耗。相比較傳統(tǒng)的虛擬化，基于LXC的輕量虛擬化Docker可以做到啟動(dòng)快且占用資源

4、少。因此，Docker是良好的構(gòu)建云計(jì)算的架構(gòu)，Docker正在給云計(jì)算帶來(lái)一場(chǎng)革新，Docker可以靈活地封裝軟件，令其更快速地傳播。Docker技術(shù)的實(shí)現(xiàn)意味著，如果在一臺(tái)筆記本上編寫(xiě)了一個(gè)軟件，可以將它移動(dòng)到本地服務(wù)器或云服務(wù)器，而不需要做任務(wù)改變。這一直都是云計(jì)算的目標(biāo):互聯(lián)網(wǎng)就是一臺(tái)巨型計(jì)算機(jī)。
　　生物大數(shù)據(jù)也具有數(shù)據(jù)量大(Volume)、數(shù)據(jù)多樣化(Variety)、有價(jià)值(Value)、高速(Velocity)的“

5、4V”大數(shù)據(jù)特點(diǎn)，Docker的便捷、高效的特點(diǎn)適應(yīng)了生物大數(shù)據(jù)發(fā)展的需求，所以Docker生物云計(jì)算平臺(tái)是應(yīng)對(duì)生物大數(shù)據(jù)的最佳方案，本文Docker技術(shù)為基礎(chǔ)進(jìn)行了深入研究和探討其在生物大數(shù)據(jù)分析方面的應(yīng)用開(kāi)發(fā)，并將開(kāi)發(fā)的ubuntu14.04_ biodocker生物云計(jì)算平臺(tái)應(yīng)用于松材線蟲(chóng)的高通量測(cè)序數(shù)據(jù)個(gè)性化分析中，為分析、處理高通量測(cè)序產(chǎn)生的生物大數(shù)據(jù)提供一種方法和思路。研究?jī)?nèi)容如下：
　　(1)Docker在Ubunt

6、u操作系統(tǒng)中的安裝及基本的Docker命令。
　　(2)Docker中的數(shù)據(jù)管理及基本命令的探討:數(shù)據(jù)存儲(chǔ)及管理是Docker技術(shù)的一個(gè)重要內(nèi)容，我們探討了如何在容器中掛載主機(jī)的數(shù)據(jù)及如何創(chuàng)建數(shù)據(jù)容器等一些內(nèi)容。
　　(3)基于ubuntu-14.04-x86_64.tar.gz模板，創(chuàng)建ubuntu14.04_biodocker基礎(chǔ)鏡像，由于一些分析軟件依賴許多環(huán)境，所以我們選擇的一個(gè)較完整的系統(tǒng)作為基礎(chǔ)鏡像。
　　

7、(4)基于ubuntu14.04_biodocker基礎(chǔ)鏡像，我們深入探討了使用三種方法在鏡像中安裝基因組，轉(zhuǎn)錄組，宏基因組等相關(guān)軟件及處理原始數(shù)據(jù)的腳本，構(gòu)建了ubuntu14.04_biodocker生物云計(jì)算平臺(tái)鏡像。該生物云計(jì)算平臺(tái)鏡像可以快速、高效的移植到任何一臺(tái)linux內(nèi)核的操作系統(tǒng)平臺(tái)，無(wú)論是單機(jī)、集群，谷歌或亞馬遜的云服務(wù)。方便了高通量測(cè)序數(shù)據(jù)分析平臺(tái)在不同硬件環(huán)境、不同操作系統(tǒng)之間的無(wú)縫遷移?？梢宰屔镅芯空甙迅鄷r(shí)

8、間和精力集中在數(shù)據(jù)分析及探討生物學(xué)問(wèn)題上，而不必為這些軟件安裝及軟件運(yùn)行兼容性、環(huán)境依賴這些運(yùn)維層面的技術(shù)而困擾，我們根據(jù)上述的鏡像分別在個(gè)人電腦、廈門(mén)大學(xué)數(shù)據(jù)挖掘組的服務(wù)器上搭建了ubuntu14.04_biodocker生物云計(jì)算平臺(tái)進(jìn)行了高通量測(cè)序數(shù)據(jù)的分析、挖掘。
　　(5)利用平臺(tái)我們基于松材線蟲(chóng)全基因組構(gòu)建了全基因組分泌蛋白基因家族的基因序列、蛋白序列，并且進(jìn)行了功能注釋。結(jié)果表明，松材線蟲(chóng)有923個(gè)分泌蛋白基因，僅有

9、93個(gè)基因得到注釋，其余90％的分泌蛋白均為松材線蟲(chóng)所特有，值得我們更加關(guān)注和有待于更深入的研究。我們還對(duì)松材線蟲(chóng)基因組進(jìn)行了SSR定位及引物開(kāi)發(fā)，在松材線蟲(chóng)全基因組中搜索到12135個(gè)SSR，開(kāi)發(fā)出1155個(gè)引物，我們又把這些信息轉(zhuǎn)換成gff3格式文件，可以在基因組瀏覽器中更直觀方便的觀察這些SSR位置、類型、長(zhǎng)度、引物等詳細(xì)信息。
　　(6)利用平臺(tái)我們基于轉(zhuǎn)錄組的松材線蟲(chóng)、擬松材線蟲(chóng)分泌蛋白差異表達(dá)及分子進(jìn)化研究。結(jié)果表明，

10、松材線蟲(chóng)、擬松材線蟲(chóng)轉(zhuǎn)錄組共表達(dá)800個(gè)分泌蛋白，其中294個(gè)分泌蛋白為二者差異表達(dá)顯著，并對(duì)這些蛋白進(jìn)行了注釋和分析。在松材線蟲(chóng)、擬松材線蟲(chóng)498個(gè)分泌蛋白同源基因中篩選出16個(gè)基因的Ka/Ks值顯著大于1，并且達(dá)到了統(tǒng)計(jì)學(xué)上差異顯著的水平，表明這些基因受到強(qiáng)烈的自然選擇作用，為適應(yīng)環(huán)境功能上發(fā)生了極顯著的進(jìn)化。
　　(7)利用平臺(tái)我們研究了基于轉(zhuǎn)錄組的松材線蟲(chóng)、擬松材線蟲(chóng)直系同源基因的研究及。結(jié)果表明，松材線蟲(chóng)、擬松材線蟲(chóng)與秀

11、麗線蟲(chóng)、根結(jié)線蟲(chóng)同源基因及其差異表達(dá)，近緣物種上都得到的大量同源基因，為我們基因功能注釋及研究提供可靠的信息，而在遠(yuǎn)緣物種擬南芥、毛果楊獲得了同源基因?yàn)槲覀冄芯克刹木€蟲(chóng)與寄主植物的互作提供參考。
　　(8)利用平臺(tái)我們研究了基于宏基因組的松材線蟲(chóng)與其伴生菌的水平轉(zhuǎn)移基因。結(jié)果表明，通過(guò)計(jì)算比較GC含量方法得到15個(gè)松材線蟲(chóng)與共生菌之間的水平轉(zhuǎn)移基因，這些基因大部分都是具有重要生理生化功能，為研究松材線蟲(chóng)與其伴生菌協(xié)同進(jìn)化提供了有力