生物壓縮數(shù)據(jù)庫工具的開發(fā)與應(yīng)用.pdf

1、在取得人類基因組完整序列的近十年中,各類大規(guī)模生物組學(xué)研究方法已滲透到了現(xiàn)代生物學(xué)研究的各個(gè)方面。而由這些技術(shù)所帶來的海量高維數(shù)據(jù)已使得現(xiàn)代生物學(xué)越來越趨向于一種針對(duì)大規(guī)模實(shí)驗(yàn)數(shù)據(jù)進(jìn)行建模、解釋并加以應(yīng)用的信息科學(xué)。在這樣一個(gè)學(xué)科發(fā)展的背景下,對(duì)各種生物數(shù)據(jù)的處理與保存就顯得尤為重要。目前,一些海量且穩(wěn)定的生物數(shù)據(jù)的儲(chǔ)存與共享一般利用常規(guī)文本文件,如生物序列的FASTA文件,數(shù)據(jù)自身的冗余進(jìn)行壓縮的方法來處理。但是,此處理在實(shí)現(xiàn)節(jié)約數(shù)據(jù)

2、空間的同時(shí),卻造成了各種數(shù)據(jù)在操作上的困難。如需要對(duì)數(shù)據(jù)進(jìn)行提取、搜索或整合等。為此我們針對(duì)生物數(shù)據(jù)設(shè)計(jì)了一種壓縮數(shù)據(jù)庫模型,并通過編寫生物數(shù)據(jù)儲(chǔ)存與管理工具——GZQ(Gene Zip Query Tools)來實(shí)現(xiàn)對(duì)于壓縮數(shù)據(jù)的各項(xiàng)基本操作。GZQ數(shù)據(jù)庫的主體設(shè)計(jì)思想是對(duì)生物數(shù)據(jù)文件中的不同數(shù)據(jù)項(xiàng)的內(nèi)容進(jìn)行獨(dú)立的分塊壓縮操作,并可以根據(jù)數(shù)據(jù)的具體特性,選擇合適的數(shù)據(jù)塊組織方式與壓縮方法。同時(shí),通過結(jié)合使用GZQ工具中的壓縮模塊(co