[发明专利]一种基于云架构平台的基因数据分析方法

权利要求书

1.一种基于云架构平台的基因数据分析方法，其方法步骤如下：

S1、建立云架构平台的基因数据库，以云架构平台为框架，将基因序列数据存储于基因数据库；

S2、优化基因序列区域，对基因序列区域进行全局和局部优化；

S3、基于流形学习算法对基因序列数据进行挖掘；

S4、基于HMM方法聚类基因。

2.根据权利要求1所述的基于云架构平台的基因数据分析方法，其特征在于：S1中，建立云架构平台的基因数据库具体流程如下：

S11、下载和安装JDK；

S12、配置环境变量；

S13、验证JDK是否安装成功；

S14、分别设置/etc/hosts和/etc/hostname；

S15、安装OpenSSH，并配置SSH免密码登录；

S16、配置两台主机的Hadoop文件；

S17、输入命令格式化，格式化hadoop的文件系统HDFS，输入启动所有进程命令。

3.根据权利要求1所述的基于云架构平台的基因数据分析方法，其特征在于：优化基于序列区域包括全局优化模块和局部优化模块，全局优化模块用于根据整个序列区域尝试找出最佳匹配，局部优化模块用于在两个成对的序列中识别相似区域，完成序列比对或拼接。

4.根据权利要求3所述的基于云架构平台的基因数据分析方法，其特征在于：全局优化模块采用Needleman-Wunsch比对算法找出最佳匹配，其算法公式如下：

其中，S_ij时序列a在位置i和序列b在位置j的分值，S(a_ib_j)是位置i和j上比对分值，w_x是在序列a中长度为x的间隔罚分，w_y是序列b中长度为y的间隔罚分。

5.根据权利要求4所述的基于云架构平台的基因数据分析方法，其特征在于：局部优化模块基于Smith-Waterman算法实现局部比对优化，其算法公式如下：

6.根据权利要求1所述的基于云架构平台的基因数据分析方法，其特征在于：S3中，基于流形学习算法对基因序列数据进行挖掘具体流程如下：

S31、对DNA序列进行数字化表示；

S32、提取一部分数据作为训练数据，并对训练数据设置区别标记；

S33、将训练数据与待测样本作为一个数据集X进行DNA序列降维计算，得出各类不同的低维嵌入Y；

S34、对低维嵌人Y中不同向量进行距离和夹角计算，得出DNA低维距离相似性参数d_ij’和DNA低维夹角相似性参数cosθ_ij’；

S35、根据S34中数据进行识别和分类。

7.根据权利要求1所述的基于云架构平台的基因数据分析方法，其特征在于：基于HMM方法聚类基因公式为：给定n个序列S₁，索引集合为I＝{1，2，……，n}，指定的整数K，计算一个I的分配C(C₁，C₂，……，C_K)，以及K个HMM模型M₁，M₂，……，M_K，使得目标函数取得最大值：

其中，L(S_i|M_k)是似然函数，即，在模型M_K下生成序列S_i的概率密度。