[发明专利]一种基于云架构平台的基因数据分析方法

说明书

本发明涉及基因数据分析技术领域，具体地说，涉及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：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；优化基因序列区域，对基因序列区域进行全局和局部优化；基于流形学习算法对基因序列数据进行挖掘；该基于云架构平台的基因数据分析方法中，以云架构平台为框架，将基因序列数据存储于基因数据库内，形成了不再单一的大数据，提高数据处理的效率，通过全局优化模块和局部优化模块，实现基因序列的对比和拼接，基于流形学习算法对基因序列数据进行挖掘，便于提取序列数据中的重要数据。

技术领域

本发明涉及基因数据分析技术领域，具体地说，涉及一种基于云架构平台的基因数据分析方法。

背景技术

近年来，基因数据的分析研究在不断深入，人们也充分意识到了研究基因活动信息的重要性，由于基因数据庞大、具有不完全性且随机性强，难以对基因数据进行分析。

发明内容

本发明的目的在于提供一种基于云架构平台的基因数据分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供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。

作为优选，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。

作为优选，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。

作为优选，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：

S_ijmax{S_i-1，j-1+S(a_ib_j)，

max

x≥1(S_i-1，j-w_x)，

max

y≥1(S_i，j-1-w_y)

}

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。

作为优选，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：