基于P2P的生物信息檢索.pdf

1、近年來,生物技術的發(fā)展,特別是人類基因組計劃的開展和深入,大量生物文檔出現,越來越多的生物序列(基因序列和蛋白質序列)被檢測出來,而微陣列技術的發(fā)展也使得基因表達數據大量涌現。如何有效地利用這些資源就成了一個重要的課題。與此同時,對等計算(Peer-to-Peer,簡稱P2P)因其潛在的技術優(yōu)勢和廣闊的應用前景,近年來引起工業(yè)界和學術界的廣泛關注。本文首先實現了一個基于P2P的生物文檔共享和檢索系統(tǒng)。該系統(tǒng)通過靈活的節(jié)點加入策略、高效的

2、索引機制、有效的路由策略,提供了基于元數據和內容等多種檢索功能和友好的人機界面。應用部署證明系統(tǒng)具有很高的檢索效率和跨平臺數據交換能力。其次,為解決網絡版和單機版BLAST存在的數據更新、序列隱私及數據源交互等問題,首次將P2P技術引入到序列比對中去,實現了基于P2P的生物序列搜索系統(tǒng)P2P-BLAST。P2P-BLAST實現了改進的BLAST算法,支持對DNA序列和蛋白質序列的個性化查詢。與網絡版的BLAST不同,P2P-BLAST沒

3、有中心數據庫,共享的序列數據仍保存在本地,節(jié)點提交的包含特定序列的查詢請求會被轉發(fā)到有共享數據的節(jié)點,并在那些節(jié)點本地執(zhí)行。P2P-BLAST對從不同節(jié)點得到的結果根據序列的相似度進行整合排序,并根據訪問設置提供給節(jié)點瀏覽和下載。此外,本文提出了一種新的基于基因本體(GeneOntology)的基因表達數據相似度算法——基因本體上的加權編輯距離算法,以用于基于基因表達數據相似度的檢索等應用。此算法將微陣列基因表達數據映射到基因本體上的不