利用 D4M 大数据方法进行遗传序列比对
定量方法
2016-11-18 v2 基因组学
摘要
下一代测序 (Next Generation Sequencing) 工具的最新技术进步提高了 DNA 样本采集、制备和测序的速度。一台仪器在单次运行中可产生超过 600 Gb 的遗传序列数据。这为高效处理日益增加的工作量带来了新机遇。我们提出了一种利用动态分布式多维数据模型 (Dynamic Distributed Dimensional Data Model, D4M) 进行快速遗传序列分析的新方法；D4M 是由麻省理工学院林肯实验室 (MIT Lincoln Laboratory) 开发的用于 MATLAB 的关联数组环境。基于数学和统计特性，该方法利用大数据技术并实施 Apache Accumulo 数据库，使计算速度比其他方法加速一百倍。将 D4M 方法与当前序列分析的金标准 BLAST 进行比较，结果显示两者在发现的比对结果上具有可比性。本文将概述 D4M 遗传序列算法及其与 BLAST 的统计比较。
引用
@article{arxiv.1407.6923,
title = {Genetic Sequence Matching Using D4M Big Data Approaches},
author = {Stephanie Dodson and Darrell O. Ricke and Jeremy Kepner},
journal= {arXiv preprint arXiv:1407.6923},
year = {2016}
}
备注
6 pages; to appear in IEEE High Performance Extreme Computing (HPEC) 2014