[发明专利]一种基于Hadoop的基因序列并行比对方法在审
| 申请号： | 201910293732.7 | 申请日： | 2019-04-12 |
| 公开（公告）号： | CN110070911A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 冯晓龙;高静 | 申请（专利权）人： | 内蒙古农业大学 |
| 主分类号： | G16B20/30 | 分类号： | G16B20/30;G16B30/00 |
| 代理公司： | 成都信博专利代理有限责任公司 51200 | 代理人： | 王沙沙 |
| 地址： | 010010 内蒙古自*** | 国省代码： | 内蒙古;15 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Hadoop的基因序列并行比对方法，包括以下步骤：步骤1：在Hadoop集群中，将基因对比软件、参考序列和任务脚本部署到各工作节点；步骤2：进行数据输入，同时读入多个数据文件，形成键值对；步骤3：在Map函数中对输入的键值对进行所属端的标记；步骤4：对数据进行分区，分区数据分发到Hadoop集群的工作节点上；步骤5：在Reduce函数中将分区数据本地化然后传递给比对算法；步骤6：收集分布到各节点上的结果文件，合并统一后存储于HDFS中，即完成基因序列的比对。本发明在分布式计算环境下实现了对基因数据的格式化输入和多路输入输出以及基于这两个特征的并行计算方法，简化了基因序列比对任务的计算流程，提高了计算效率。 | ||
| 搜索关键词： | 基因序列 比对 分区数据 工作节点 并行 分布式计算环境 格式化 比对算法 并行计算 参考序列 基因对比 基因数据 计算效率 结果文件 任务脚本 数据文件 读入 多路 分发 存储 分区 输出 传递 合并 部署 统一 | ||
【主权项】：
1.一种基于Hadoop的基因序列并行比对方法，其特征在于，包括以下步骤：步骤1：在Hadoop集群中，将基因对比软件、参考序列和任务脚本部署到各工作节点，短读序列存储到HDFS中；步骤2：采用多路输入的方法进行数据输入，同时读入多个数据文件，形成以位置偏移量为key，序列内容为value的键值对；步骤3：在Map函数中对输入的键值对进行所属端的标记；步骤4：通过分区算法按照键值对中的key值对数据进行分区，分区数据分发到Hadoop集群的工作节点上，一个数据分区对应一个工作节点；步骤5：在Reduce函数中通过多路输出的方法将分区数据本地化然后传递给比对算法，在各工作节点上分别调用比对算法；实现各数据分区的分布式计算；步骤6：收集分布到各节点上的结果文件，合并统一后存储于HDFS中，即完成基因序列的比对。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于内蒙古农业大学，未经内蒙古农业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910293732.7/，转载请声明来源钻瓜专利网。
