基于Solexa平台高通量测序数据的分析与处理流程研究

第二代测序技术的诞生为生物信息学研究带来了前所未有的机遇,同时也对测序数据的处理分析提出了很高的要求。目前针对第二代测序数据的分析软件很多,但是绝大多数软件仅能完成单一的功能,如何正确高效地选择整合这些软件已成为迫切需求。本文基于新一代Illumina/Solexa测序平台所产生的数据,构建了一套完整的数据处理和分析流程,实现对测序数据有效分析和处理。对数据处理过程中所用的软件和方法做了全面综述,并对生物信息数据处理研究中存在的难题做了进一步展望。

高通量DNA测序数据的多任务并行压缩算法

研究采用任务并行的方法,对Fast Q格式文件的压缩程序DSRC(DNA sequence reads compression)进行了加速。这一任务并行算法将DSRC分为数据读入和数据压缩两个独立的任务,而后将数据压缩的统计过程进一步细分为title行数据统计和其他数据统计两个独立任务。研究结合CPU多线程、GPU、MIC(many integrated core),针对title行数据设计了高并行度的统计算法,实现title行数据的并行统计。在维持原有压缩比的情况下,本研究得到的最大压缩通量可以达到144 MBps,最大加速比可达三倍。结果表明,多任务并行的方法可以有效地加速DSRC,而协处理器对DSRC的加速效果并不明显。另外本算法在压缩ILLUMINA和SOLi D测序平台下的Fast Q数据时,其加速效果比压缩LS454测序平台的数据更为明显。

基于Pthreads的并行DSRC压缩算法设计与实现

高通量测序仪产生大量的DNA数据,FASTQ是被广泛使用的存储DNA数据的数据格式。对FASTQ格式的数据进行压缩处理,能有效地节省存储空间。DSRC算法具有压缩比高的优点,因此对DSRC算法进行并行能提高压缩FASTQ格式的DNA数据的效率。基于Pthreads,实现了并行DSRC算法。测试结果表明,当使用4线程时加速比达到3.5。