| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 序列比对优化 | 第15-16页 |
| 1.2.2 重复数据标记优化 | 第16-17页 |
| 1.2.3 处理流程优化 | 第17-19页 |
| 1.3 论文的主要工作 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-21页 |
| 第二章 基因数据预处理流程优化设计 | 第21-32页 |
| 2.1 基因数据预处理流程 | 第21-22页 |
| 2.2 预处理流程问题分析 | 第22-29页 |
| 2.2.1 序列比对 | 第23-24页 |
| 2.2.2 重复数据的标记 | 第24-27页 |
| 2.2.3 数据存储 | 第27-29页 |
| 2.3 预处理流程优化设计 | 第29-31页 |
| 2.3.1 序列比对优化设计 | 第29-30页 |
| 2.3.2 重复数据标记优化设计 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 PipeBWA的设计与实现 | 第32-49页 |
| 3.1 问题分析 | 第32页 |
| 3.2 PipeBWA框架设计 | 第32-38页 |
| 3.2.1 流程设计 | 第33-34页 |
| 3.2.2 数据存储模式设计 | 第34-38页 |
| 3.3 PipeBWA的实现 | 第38-42页 |
| 3.3.1 数据预处理 | 第38页 |
| 3.3.2 Spark平台基因数据比对 | 第38-42页 |
| 3.4 实验与结果分析 | 第42-48页 |
| 3.4.1 实验环境 | 第42页 |
| 3.4.2 实验数据 | 第42-43页 |
| 3.4.3 性能测试 | 第43-47页 |
| 3.4.4 精度测试 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 DeDuplicatesSpark的设计与实现 | 第49-67页 |
| 4.1 问题分析 | 第49-50页 |
| 4.1.1 功能分析 | 第49页 |
| 4.1.2 数据并行模块挖掘 | 第49-50页 |
| 4.1.3 资源偏好分析 | 第50页 |
| 4.2 DeDuplicatesSpark流程设计 | 第50-54页 |
| 4.2.1 重复探查 | 第51-53页 |
| 4.2.2 测序质量评价 | 第53-54页 |
| 4.3 DeDuplicatesSpark的实现与优化 | 第54-59页 |
| 4.3.1 输入数据的处理 | 第54-55页 |
| 4.3.2 键值对的创建 | 第55-56页 |
| 4.3.3 作业间的通信 | 第56页 |
| 4.3.4 结果数据的记录 | 第56-59页 |
| 4.4 实验结果分析 | 第59-66页 |
| 4.4.1 实验环境 | 第59页 |
| 4.4.2 实验数据 | 第59页 |
| 4.4.3 性能测试 | 第59-65页 |
| 4.4.4 精度测试 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 基因数据预处理流程的实现 | 第67-76页 |
| 5.1 基因数据预处理流程的实现 | 第67-70页 |
| 5.1.1 基因数据预处理流程框架 | 第68-69页 |
| 5.1.2 BQSR工具读取Parquet文件的实现 | 第69-70页 |
| 5.2 Parquet与SAM文件转换工具 | 第70-71页 |
| 5.2.1 Parquet2SAM工具的实现 | 第70-71页 |
| 5.2.2 SAM2Parquet工具的实现 | 第71页 |
| 5.3 实验结果分析 | 第71-75页 |
| 5.3.1 实验环境 | 第71页 |
| 5.3.2 实验数据 | 第71页 |
| 5.3.3 基因预处理流程性能测试 | 第71-74页 |
| 5.3.4 格式转换性能测试 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附件 | 第83页 |
