基于动态短序列比对算法的高血压多态性位点挖掘检测
发布时间：2021-08-14 05:45
近年来,我国高血压疾病发病率逐年增高,发病群体越来越低龄化,严重威胁居民身体健康。由于该疾病病因复杂,大多是遗传因素、环境因素、生活方式等综合作用的结果,因此在预防和治疗研究方面困难重重。单核苷酸多态性作为第三代分子标记在探索表达基因与疾病关联关系中发挥着巨大作用。通过对高血压患者基因组序列中SNPs位点识别检测,进而确定高血压疾病易感基因,在基因水平上探究高血压形成的分子机制,对高血压的预防和治疗具有重要意义和价值。随着生物信息学与生物信息技术的快速发展,高通量测序成本降低,使得生物数据呈现爆炸式增长,这给SNPs挖掘研究带来机遇的同时也带来了巨大的挑战。目前,该领域存在的主要问题是现有SNPs识别算法不能很好满足当前大数据分析需求。如何快速准确地从海量临床医学组学数据中挖掘出高血压疾病相关SNPs位点,将复杂冗长的碱基序列转化为高效可读的信息是当前研究的重点和难点。本文通过对现阶段主流SNPs识别检测算法深入研究,提出一种基于动态短序列比对算法的SNPs识别检测模型,来准确定位和快速查找SNP s位点。本文实现以下几个方面的创新:（1）提出一种基于FMinde...
【文章来源】：青海师范大学青海省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
FM-index索引实现过程
哈希索引表构建过程
图 2-3 SNP 示意图 DNA 序列中，碱基变异可能出现在序列的任何位置，根据变异区它们分为三类：发生在基因编码区内的序列上，发生在基因周边列上，发生在基因之间的序列上。总体上，位于基因编码区内的少，因为在外显子内发生该类型变异的概率仅仅是周围序列的五
【参考文献】：
期刊论文
[1]缬沙坦联合硝苯地平控释片治疗原发性高血压的临床效果观察[J]. 张军贤. 名医. 2019(01)
[2]SNP检测算法的分析与应用[J]. 邓妍,王艺霏,李金山,王君. 分子植物育种. 2018(11)
[3]高通量测序数据比对算法研究进展[J]. 陶然,宋晓峰. 计算机与应用化学. 2018(01)
[4]SBV:基于SVG的生物信息可视化软件[J]. 蔡瑞初,林殷娴,艾鹏. 计算机科学. 2017(10)
[5]全基因组关联研究中的遗传位点分析方法[J]. 卜庆伟,杨雨诗,葛方丽,陈雄. 科学技术与工程. 2017(17)
[6]全基因组关联分析与PLINK软件的应用[J]. 李瑞,张引娣,刘奋进. 中国数字医学. 2017(03)
[7]单核苷酸多态性及其数据库[J]. 徐星. 信息与电脑(理论版). 2016(20)
[8]第二代测序技术的发展及应用[J]. 张丁予,章婷曦,王国祥. 环境科学与技术. 2016(09)
[9]四种常用的生物序列比对软件比较[J]. 陈凤珍,李玲,操利超,严志祥. 生物信息学. 2016(01)
[10]两序列比对算法与软件研究进展[J]. 焦雅,高静,张文广. 计算机应用与软件. 2015(06)
博士论文
[1]MOEA/D算法及其在多序列比对中的应用研究[D]. 祝华正.重庆大学 2015
[2]ACE、HIF1AN、EGLN1基因多态性与急性高原病的相关性研究[D]. 张恩浩.第三军医大学 2015
[3]基因序列比对算法在SNP中的研究及应用[D]. 康晓军.华中农业大学 2011
[4]单核苷酸多态性分析算法的研究与应用[D]. 王峻.哈尔滨工业大学 2010
硕士论文
[1]基于变长种子的找全测序序列比对算法研究及优化[D]. 郭睿东.中国科学技术大学 2018
[2]RNA-Seq Reads mapping中基于Spark的并行FM-Index算法研究[D]. 刘芳.内蒙古师范大学 2018
[3]面向高通量测序序列的比对算法研究[D]. 陶然.南京航空航天大学 2018
[4]基于高原高血压下的生物大数据可视化研究[D]. 卢沛良.青海师范大学 2017
[5]高原高血压异常表达基因识别与检测模型构建[D]. 徐星.青海师范大学 2017
[6]桉树基因测序数据SNP的模式识别方法的研究[D]. 林伟森.华南农业大学 2016
[7]单核苷酸多态性识别软件设计与实现[D]. 曹猛.天津理工大学 2016
[8]基于短序列比对的InDel检测算法研究[D]. 汪晓丹.哈尔滨工业大学 2015
[9]基于后缀树与后缀数组混合结构的基因序列比对算法研究[D]. 焦雅.内蒙古农业大学 2015
[10]生物序列比对中BWT索引技术及其算法研究[D]. 赵雅男.中国科学技术大学 2015
本文编号：3341883
【文章来源】：青海师范大学青海省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
FM-index索引实现过程
哈希索引表构建过程
图 2-3 SNP 示意图 DNA 序列中，碱基变异可能出现在序列的任何位置，根据变异区它们分为三类：发生在基因编码区内的序列上，发生在基因周边列上，发生在基因之间的序列上。总体上，位于基因编码区内的少，因为在外显子内发生该类型变异的概率仅仅是周围序列的五
【参考文献】：
期刊论文
[1]缬沙坦联合硝苯地平控释片治疗原发性高血压的临床效果观察[J]. 张军贤. 名医. 2019(01)
[2]SNP检测算法的分析与应用[J]. 邓妍,王艺霏,李金山,王君. 分子植物育种. 2018(11)
[3]高通量测序数据比对算法研究进展[J]. 陶然,宋晓峰. 计算机与应用化学. 2018(01)
[4]SBV:基于SVG的生物信息可视化软件[J]. 蔡瑞初,林殷娴,艾鹏. 计算机科学. 2017(10)
[5]全基因组关联研究中的遗传位点分析方法[J]. 卜庆伟,杨雨诗,葛方丽,陈雄. 科学技术与工程. 2017(17)
[6]全基因组关联分析与PLINK软件的应用[J]. 李瑞,张引娣,刘奋进. 中国数字医学. 2017(03)
[7]单核苷酸多态性及其数据库[J]. 徐星. 信息与电脑(理论版). 2016(20)
[8]第二代测序技术的发展及应用[J]. 张丁予,章婷曦,王国祥. 环境科学与技术. 2016(09)
[9]四种常用的生物序列比对软件比较[J]. 陈凤珍,李玲,操利超,严志祥. 生物信息学. 2016(01)
[10]两序列比对算法与软件研究进展[J]. 焦雅,高静,张文广. 计算机应用与软件. 2015(06)
博士论文
[1]MOEA/D算法及其在多序列比对中的应用研究[D]. 祝华正.重庆大学 2015
[2]ACE、HIF1AN、EGLN1基因多态性与急性高原病的相关性研究[D]. 张恩浩.第三军医大学 2015
[3]基因序列比对算法在SNP中的研究及应用[D]. 康晓军.华中农业大学 2011
[4]单核苷酸多态性分析算法的研究与应用[D]. 王峻.哈尔滨工业大学 2010
硕士论文
[1]基于变长种子的找全测序序列比对算法研究及优化[D]. 郭睿东.中国科学技术大学 2018
[2]RNA-Seq Reads mapping中基于Spark的并行FM-Index算法研究[D]. 刘芳.内蒙古师范大学 2018
[3]面向高通量测序序列的比对算法研究[D]. 陶然.南京航空航天大学 2018
[4]基于高原高血压下的生物大数据可视化研究[D]. 卢沛良.青海师范大学 2017
[5]高原高血压异常表达基因识别与检测模型构建[D]. 徐星.青海师范大学 2017
[6]桉树基因测序数据SNP的模式识别方法的研究[D]. 林伟森.华南农业大学 2016
[7]单核苷酸多态性识别软件设计与实现[D]. 曹猛.天津理工大学 2016
[8]基于短序列比对的InDel检测算法研究[D]. 汪晓丹.哈尔滨工业大学 2015
[9]基于后缀树与后缀数组混合结构的基因序列比对算法研究[D]. 焦雅.内蒙古农业大学 2015
[10]生物序列比对中BWT索引技术及其算法研究[D]. 赵雅男.中国科学技术大学 2015
本文编号：3341883
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3341883.html
