检索结果-南通市图书馆

BioAnalyzer: Bioinformatic Software of Routinely Used Tools for Analysis of Genomic Data

Advances in Bioscience and Biotechnology 2019年第3期10卷 33-41页

作者： Peter Tharwat Habib Alsamman Mahmoud Alsamman Aladdin Hamwieh Department of Bioinformatics College of Biotechnology Misr University for Science and Technology 6th of October City Egypt Department of Biotechnology International Center for Agricultural Research in the Dry Areas (ICARDA) Cairo Egypt Department of Genome Mapping Molecular Genetics and Genome Mapping Laboratory Agricultural Genetic Engineering Research Institute Giza Egypt

The massive extension in biological data induced a need for user-friendly bioinformatics tools could be used for routine biological data manipulation. Bioanalyzer is a simple analytical software implements a variety of tools to perform common data analysis on different biological data types and databases. Bioanalyzer provides general aspects of data analysis such as handling nucleotide data, fetching different data formats information, NGS quality control, data visualization, performing multiple sequence alignment and sequence BLAST. These tools accept common biological data formats and produce human-readable output files could be stored on local computer machines. Bioanalyzer has a user-friendly graphical user interface to simplify massive biological data analysis and consume less memory and processing power. Bioanalyzer source code was written through Python programming language which provides less memory usage and initial startup time. Bioanalyzer is a free and open source software, where its code could be modified, extended or integrated in different bioinformatics pipelines. Bioinformatics Produce huge data in fasta and Genbank format which can be used to produce a lot of annotation information which can be done with Python programming language that open the door form bioinformatics tool due to their elasticity in data analysis and simplicity which inspire us to develop new multiple tool software able to manipulate fasta and Genbank files. The goal Develop new software uses Genomic data files to produce annotated data. Software was written using python programming language and biopython packages.

关键词： Biopython Bioinformatics fasta Genbank Multiple Sequence Alignment BLAST NCBI Data Visualization

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

数据挖掘中的关联规则算法研究

数据挖掘中的关联规则算法研究

引用

作者：韩涛中国海洋大学

学位级别：硕士

数据挖掘是从存放数据库、数据仓库或其它信息库中的大量数据中挖掘有趣知识的过程。它包含关联规则挖掘、预测、分类、聚类、演化分析等多种技术手段,其中关联规则挖掘是一种主要的也是用途最广的数据挖掘方法。关联规则概念最早... 详细信息

数据挖掘是从存放数据库、数据仓库或其它信息库中的大量数据中挖掘有趣知识的过程。它包含关联规则挖掘、预测、分类、聚类、演化分析等多种技术手段,其中关联规则挖掘是一种主要的也是用途最广的数据挖掘方法。关联规则概念最早是由在IBM工作的Rakesh Agrawal博士于1993年提出的,用于刻划事务数据库中交易项目之间的关系,即频繁关系。其研究已有10余年时间并取得了很多成果,但还有很多问题亟待解决。本文对此作了详细介绍,并对关联规则挖掘理论特别是关联规则挖掘算法进行了研究,取得了一定的研究成果。本文对关联规则挖掘的经典算法:Apriori、AprioriTid、AprioriHybrid算法、Apriori RFM算法、划分的算法和取样算法进行了研究,针对上述算法的不足提出了一种快速挖掘关联规则的算法AprioriTidHybrid。算法以经典的Apriori和AprioriTid为基础,针对其特点对算法提出了改进,在最初的阶段用Apriori算法,在后来的扫描中用AprioriTid;考虑了(?)可能比源数据库大的情况,在L的基础上产生,而不是在传统的C的基础上产生(?),大大地压缩了(?)的规模;采用一种更为高效的DAen算法代替Apriorien来产生候选项集。实验结果表明,较Apriori和AprioriTid算法的性能有明显的提高。本文提出的基于Apriori、AprioriTid的取样关联规则算法研究创新之处在于,提出了一种高效的关联规则挖掘算法fasta:采用经典的FAST的算法思想选取样本,使得选取的样本更具有典型性和精确性;对所选取的样本用本文提出的AprioriTidHybrid进行关联规则的挖掘。在实验中同其它的算法进行了比较,改进的算法提高了挖掘性能。

关键词：数据挖掘关联规则 AprioriTidHybrid AprioriRFM FAST fasta

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

参考基因压缩库间快速迁移算法研究

参考基因压缩库间快速迁移算法研究

引用

作者：张义军深圳大学

学位级别：硕士

随着基因测序费用的降低以及精准医疗和基因深度学习等新兴技术对基因大数据的需要,目前已进入一个基因数据爆发的时代。面对如此海量的基因数据,如何存储和传输这些数据成为当前研究的一个热点,基于参考基因组的压缩算法以其压缩率高... 详细信息

随着基因测序费用的降低以及精准医疗和基因深度学习等新兴技术对基因大数据的需要,目前已进入一个基因数据爆发的时代。面对如此海量的基因数据,如何存储和传输这些数据成为当前研究的一个热点,基于参考基因组的压缩算法以其压缩率高的特点被广泛应用于各大基因库中。同时,这类压缩算法依赖于参考基因数据,这也严重的制约了该类压缩算法产生的压缩数据的共享、合并和传送等应用。本文主要针对不同压缩基因库由于采用的参考基因的不同而无法直接共享的问题进行深入研究,提出了一套快速转换基于不同参考基因的压缩数据进行参考序列的转换。主要工作包括:(1)对多种基因压缩算法进行分类,针对不同的基因压缩算法分别讨论其特点。并对几种最新的基于参考基因组的压缩算法进行详细分析。(2)针对相同压缩算法不同参考序列的基于参考基因组的压缩算法进行快速的参考基因转换算法研究。该算法主要利用参考基因组序列之间的相似性来进行参考序列的快速迁移。实验结果表明迁移所需时间远低于原始的解压再压缩方法,同时也为后面的研究指明方向。(3)在(2)的基础上进行拓展,针对不同压缩算法不同参考序列迁移研究,我们选取三种压缩算法进行分析提取共性,并结合三种压缩算法的特点,在(2)快速迁移算法基础上提高迁移后压缩基因的压缩率,设计了两种迁移算法来实现三种压缩算法的相互迁移。并通过大量的实验验证了算法的高效性。(4)最后针对龙芯平台我们实现了一套完整的具备基因压缩、迁移和解压功能的基因数据管理工具TReC。并对其进行性能分析,然后通过多进程对龙芯平台上的TReC进行性能优化,使其能充分利用龙芯多核来加速TReC的运行速度。本文在基于参考基因组压缩算法过于依赖参考序列的基础上,提出了两个有效的迁移算法,在迁移时间上具有很大优势,这些技术可以有效的缓解基于参考基因组压缩基因库之间相互迁移的问题,也为后续相关研究提供经验和借鉴。

关键词：基于参考基因组压缩 DNA数据压缩参考序列转换 fasta 龙芯

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：