發(fā)布時(shí)間：2024-07-07 06:48

　　近年來(lái),串聯(lián)質(zhì)譜技術(shù)以其高靈敏度和高精度等優(yōu)勢(shì)成為了研究蛋白質(zhì)組的關(guān)鍵技術(shù)之一。串聯(lián)質(zhì)譜數(shù)據(jù)承載著蛋白質(zhì)及肽段的信息,對(duì)其處理分析不僅是計(jì)算蛋白質(zhì)組研究中尤為關(guān)鍵的一步,也是后續(xù)生物蛋白質(zhì)結(jié)構(gòu)功能等分析的基本保障。然而,質(zhì)譜數(shù)據(jù)分析在計(jì)算時(shí)間與計(jì)算規(guī)模上遭受了新的挑戰(zhàn),其主要有以下三個(gè)原因:一是隨著質(zhì)譜技術(shù)的高速發(fā)展,質(zhì)譜數(shù)據(jù)集的規(guī)模呈爆炸式的指數(shù)增長(zhǎng),匹配海量的質(zhì)譜數(shù)據(jù)成為了蛋白質(zhì)組學(xué)的一個(gè)難題;二是蛋白質(zhì)肽段測(cè)序條件變得更加苛刻,如半無(wú)限或酶無(wú)約束搜索、多個(gè)翻譯后修飾等的加入考慮;三是蛋白質(zhì)中央數(shù)據(jù)庫(kù)存儲(chǔ)與更新質(zhì)譜數(shù)據(jù)時(shí)通常需要對(duì)大量的質(zhì)譜數(shù)據(jù)進(jìn)行二次分析。如何高效、準(zhǔn)確地從海量質(zhì)譜數(shù)據(jù)中解析出肽段序列信息,是當(dāng)前計(jì)算蛋白質(zhì)組學(xué)所面臨的最大挑戰(zhàn)。本文致力于研究大規(guī)模質(zhì)譜數(shù)據(jù)在多種高性能計(jì)算平臺(tái)上的并行處理算法。本文的主要工作和創(chuàng)新點(diǎn)概括如下:(1)提出了一個(gè)基于分布式計(jì)算框架Hadoop上的從頭測(cè)序并行算法。現(xiàn)有的從頭測(cè)序方法均為串行執(zhí)行算法,無(wú)法在合理的時(shí)間內(nèi)處理大規(guī)模的質(zhì)譜數(shù)據(jù)。而Hadoop是開源的分布式計(jì)算框架,已廣泛應(yīng)用于學(xué)術(shù)界和工業(yè)界,其文件系統(tǒng)HDFS在負(fù)載均衡方面具...

【文章頁(yè)數(shù)】：103 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究現(xiàn)狀與挑戰(zhàn)
    1.2 論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)
        1.2.1 研究目標(biāo)
        1.2.2 研究?jī)?nèi)容
    1.3 本文組織結(jié)構(gòu)
第2章 相關(guān)理論
    2.1 基于串聯(lián)質(zhì)譜的蛋白質(zhì)組學(xué)研究
        2.1.1 串聯(lián)質(zhì)譜技術(shù)
        2.1.2 串聯(lián)質(zhì)譜數(shù)據(jù)分析簡(jiǎn)介
        2.1.3 基于串聯(lián)質(zhì)譜技術(shù)的蛋白質(zhì)組學(xué)研究
    2.2 高性能計(jì)算平臺(tái)與技術(shù)
        2.2.1 Hadoop
        2.2.2 GPU
        2.2.3 Intel MIC(Many Integrated Core)
        2.2.4 SW26010
    2.3 并行編程技術(shù)
    2.4 本章小結(jié)
第3章 基于Hadoop分布式計(jì)算框架的從頭測(cè)序并行算法研究
    3.1 引言
    3.2 UniNovo算法簡(jiǎn)介
    3.3 基于Hadoop分布式框架的并行大規(guī)模肽段從頭測(cè)序方法
        3.3.1 基于Hadoop的從頭測(cè)序并行化設(shè)計(jì)
        3.3.2 基于Hadoop的從頭測(cè)序并行化實(shí)現(xiàn)
    3.4 實(shí)驗(yàn)結(jié)果與性能分析
        3.4.1 實(shí)驗(yàn)環(huán)境
        3.4.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    3.5 本章小結(jié)
第4章 基于SW26010的大規(guī)模肽段從頭測(cè)序算法研究
    4.1 引言
    4.2 PepNovo+算法簡(jiǎn)介
    4.3 基于SW26010架構(gòu)的多層并行從頭測(cè)序算法
        4.3.1 基于MPE之間的任務(wù)級(jí)并行計(jì)算
        4.3.2 基于CPE之間的線程級(jí)并行計(jì)算
    4.4 并行優(yōu)化措施
    4.5 實(shí)驗(yàn)結(jié)果與性能分析
        4.5.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
        4.5.2 單節(jié)點(diǎn)性能測(cè)試
        4.5.3 多節(jié)點(diǎn)性能測(cè)試
        4.5.4 大數(shù)據(jù)集性能測(cè)試
    4.6 本章小結(jié)
第5章 基于MIC的大規(guī)模蛋白質(zhì)數(shù)據(jù)庫(kù)并行搜索算法研究
    5.1 引言
    5.2 問(wèn)題概述
        5.2.1 Intel MIC架構(gòu)
        5.2.2 SDP質(zhì)譜匹配評(píng)分算法
    5.3 基于MIC架構(gòu)的兩層并行數(shù)據(jù)庫(kù)搜索方法
        5.3.1 并行計(jì)算設(shè)計(jì)
        5.3.2 并行優(yōu)化設(shè)計(jì)
    5.4 實(shí)驗(yàn)結(jié)果與性能分析
        5.4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
        5.4.2 CPU+1MIC性能測(cè)試
        5.4.3 MIC集群性能測(cè)試
        5.4.4 大規(guī)模數(shù)據(jù)集性能測(cè)試
        5.4.5 實(shí)驗(yàn)結(jié)果準(zhǔn)確性分析
    5.5 本章小節(jié)
第6章 基于SW26010大規(guī)模蛋白質(zhì)數(shù)據(jù)庫(kù)搜索算法研究
    6.1 引言
    6.2 背景知識(shí)
        6.2.1 SW26010
        6.2.2 質(zhì)譜點(diǎn)積乘算法
    6.3 基于SW26010的數(shù)據(jù)庫(kù)并行搜索算法
        6.3.1 基于MPE之間的任務(wù)級(jí)并行計(jì)算
        6.3.2 基于CPE之間的線程級(jí)并行計(jì)算
    6.4 面向架構(gòu)的性能優(yōu)化方法
        6.4.1 內(nèi)存訪問(wèn)優(yōu)化
        6.4.2 雙緩沖技術(shù)
        6.4.3 向量化
        6.4.4 優(yōu)化總結(jié)
    6.5 實(shí)驗(yàn)結(jié)果與性能分析
        6.5.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
        6.5.2 SW-Tandem性能分析
        6.5.3 實(shí)驗(yàn)結(jié)果準(zhǔn)確性分析
    6.6 本章小節(jié)
總結(jié)與展望
參考文獻(xiàn)
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文
附錄B 攻讀學(xué)位期間所參加的科研項(xiàng)目及申請(qǐng)的專利
致謝



本文編號(hào)：4003316