导　　师： 张祖平

学科专业： H1202

授予学位： 硕士

作　　者： ;

机构地区： 中南大学

摘　　要： 生物信息学是一门综合利用生物学、计算机科学、数学等学科知识的新兴交叉学科，其主要任务是揭示海量生物学数据中蕴含的生物学意义、探索生命活动的奥秘。全基因组dna序列拼接是生物信息学研究的重要课题。在大规模dna测序中普遍使用的shotgun方法中，片段序列的拼接是一个关键而又费时的过程，其中包含了一些实际困难，重复子序列对片段间正确重叠的干扰就是其中一个。如何提高序列拼接的精度和速度是本课题研究的重点。 本文在深入分析现有拼接算法及其实现软件的基础上，针对分布式并行计算环境，提出了优化的dna序列拼接并行算法p assembler，分别对序列拼接中的overlap、layout和consensus阶段的串行处理过程和并行算法进行了探讨，通过分析数据集的划分方法和串行处理过程的可并行性，提出了多种不同的并行处理策略并加以比较与分析，理论和实验结果都验证了并行处理后序列拼接算法效率大大提高。除此之外，论文针对dna序列拼接中比较棘手的重复序列问题，提出了一种改进的基于k-mer子串的重复序列识别方法kmerrepeat，实验结果表明：和已有聚类和arachne分析方法相比，具有更高的精确性，也在一定程度上提高了序列拼接效率。 论文对算法的实现及其拼接软件的测试结果也作了深入的分析，实验结果表明算法是可行的且高效的。

关 键 词： 生物信息学 基因组 测序 序列拼接 并行处理

领　　域： [自动化与计算机技术] [自动化与计算机技术] [生物学]