系统发育树构建的关键技术研究与实现

• 作 者: 杲艳平
• 机 构: 中国科学院大学
• 出 处: 中国科学院研究生院 中国科学院大学
• 发表日期: 2011年期
• 关键词: 系统发育树 序列采集 数据清洗规则

近20年快速积累的基因和基因组信息为生命之树的构建奠定了重要基础，在多源数据的获取过程中，目前主要是依靠研究人员手动获取，大大降低了科研人员的效率。另外一方面，急速膨胀的基因组信息对系统发育分析的构树算法的性能提出了更高的要求，在保持构树算法精确度的基础上，需要能够计算更大规模的基因序列。因此对于系统发育分析而言，序列数据的自动采集和更高效的计算方法成为其迫切需要处理的问题。　　
本文以达尔文树(DarwinTree)平台为基础，分析和总结了DarwinTree一体化流程中的关键技术，并针对存在的技术难点进行研究、设计与实现。论文的主要工作和贡献是：　　
1.设计了序列自动采集流程，其中涉及到序列采集驱动方式、数据清洗规则的设定，以及序列日更新的实现。　　
2.设计了分类系统数据模型以实现物种与序列数据的关联，提出了快速建立私有分类系统的算法流程，通过添加计算分类系统树的节点信息来加速序列提取的速度。　　
3.深入研究和分析了一系列的构建系统发育树的算法，重点研究了适应于大规模序列的PhyML、RaxML和FastTree算法，分析总结了各种算法的精确度和效率；在此基础上对FastTree算法进行改进，提出了FastTree+算法，并通过实验验证FastTree+算法在效率上优于FastTree算法。　　
通过本文的研究，解决了DarwinTree平台的序列自动采集和提取问题，同时为计算模块的构树工具的集成提供参考依据，使得平台能够计算大规模序列，从而提高DarwinTree平台的整体效率。