首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   10篇
  免费   0篇
基础医学   1篇
内科学   1篇
特种医学   7篇
预防医学   1篇
  2018年   1篇
  2016年   2篇
  2015年   1篇
  2013年   3篇
  2012年   1篇
  2011年   1篇
  2010年   1篇
排序方式: 共有10条查询结果,搜索用时 46 毫秒
1
1.
新一代高通量测序技术的发展,推动了多个相关研究领域的发展。国际上许多研究机构正在研究利用高通量测序数据进行微生物检测的算法,目前已有一些基于高通量测序数据的微生物检测算法流程设计成功并公开发布。该文通过调研利用高通量测序数据进行微生物检测的相关文献,研究已发布的基于高通量测序数据的微生物检测算法的功能和实现流程,分析几个有代表性算法的优点和不足。最后,对这些检测算法的设计思路进行总结和分类,提出基于高通量测序数据的微生物检测算法的改进设想。  相似文献   
2.
目的利用图形处理器(graphicprocessingunit,GPU)计算技术对广泛使用的生物信息学序列比对工具BLASTN加速,服务于新一代测序技术条件下海量生物序列数据分析任务。方法采用计算统一设备架构(corn—puteunifieddevicearchitecture,CUDA)并行计算架构,从GPU多线程并行和多GPU并行两个维度,对核酸序列比对工具BLASTN的种子查找阶段和不允许空位延伸阶段进行并行加速。结果基于CUDA的CUDA—BLASTN取得了显著的加速效果,与FSA.BLAST相比,采用单个NvidiaTeslaC2075显卡在以上两阶段取得了最高达26.8倍的加速比,而且结果准确度没有降低。CUDA—BLASTN特别适合于中长查询序列对长序列数据库的比对任务。结论利用GPU计算可在较大程度上加速序列比对过程,性价比较高,具有很好的应用前景。  相似文献   
3.
GPU计算及其在生物医学研究中的应用   总被引:1,自引:1,他引:0  
高性能计算是现代生物医学研究的重要工具和手段,传统的基于通用处理器(CPU)的计算机已很难满足生物医学研究对计算性能、效率和成本等多方面的综合性要求。近年来,图形处理器(GPU)计算技术异军突起,成为高性能计算领域的研究热点。本文介绍了GPU计算的基本概念、编程方法和特点,总结和讨论了GPU计算在生物医学中的应用现状和存在问题。最后,结合实际情况提出了利用GPU计算的一些研究工作设想。  相似文献   
4.
目的建立一个FTP服务器为院内生物医学研究人员提供快速下载NCBI常用生物数据库的FTP服务。方法采用Linux系统和perl、shell程序设计,构建FTP服务系统。结果与结论系统实现了数据下载、更新、系统管理等功能,并进行了测试,目前系统已经上线服务。  相似文献   
5.
系统分析国内外网络医疗发展现状,将国内网络医疗的发展归纳为网站咨询、虚拟医院、移动互联三个阶段,针对网络医疗在专业性、正确性、可靠性等方面带来的新问题,深入探讨未来中国网络医院模式、网络医疗的发展前景及对现行医疗模式的冲击和影响。  相似文献   
6.
目的构建本地化的高性能一站式数据分析平台,为生物医学研究的相关科研人员提供便捷高效的计算分析服务。方法将Galaxy软件部署在计算集群上,集成工具软件和数据集;利用分布式资源管理应用接口(DRMAA)实现与SunGridEngine的协同运作,自动调度和分配计算资源;并在集群上构建稳定的weh服务、FrP服务和管理数据库。结果该平台已投入试运行并在不断完善,峰值计算能力达到每秒lO万亿次,存储容量为40TB,提供序列比对、短串映射、基因注释、转录组分析、宏基因组分析及进化分析等多种功能,以及容量约为700GB的人类基因组、病毒、细菌、真菌等参考数据库。结论该平台具备大规模数据分析的能力,能够解决高通量测序所带来的海量生物数据的存储与处理等问题。与在普通服务器上进行数据分析相比,该平台的计算集群能极大地加快数据处理过程,提高研究效率。  相似文献   
7.
8.
目的构建基于高通量测序数据的人兽共患病病原微生物快速分析平台,实现人兽共患病病原微生物的快速分析。方法收集整理与重要人兽共患病相关的病原以及宿主的参考基因组数据库,集成并优化用于病原微生物检测分析的RINS算法,开发自动化处理流程和Web可视化界面,利用Docker容器技术对集成分析平台进行封装。结果在Linux服务器上使用鸽子宏基因组测序数据对分析平台进行验证,根据分析结果,发现除了有鸽子基因序列外,16.1%的序列注释到了细菌,2.2%注释到了病毒,32.9%的序列注释到了真菌,剩下48.8%为未知序列,对样本中细菌的携带信息进行统计,比对到巴氏杆菌、大肠埃希菌、沙门氏菌的序列数量较多,此结果与数据来源单位中鸽子相关的流行病学研究一致。结论本研究成功构建基于NGS的病原微生物检测分析平台,封装好的容器可以在云端快速部署和迁移;对已集成的RINS算法中Blat比对环节进行了优化,提高了数据分析处理速度;利用鸽子宏基因组测序数据对建成的分析平台进行验证,该平台具备人兽共患病病原微生物快速分析的能力。基于NGS的病原微生物检测方法为人兽共患病的防控和监测增添了新的解决方案。  相似文献   
9.
随着高通量测序、蛋白质组学等生物技术的迅猛发展,生物医学数据、生物信息学工具及分析应用需求均呈现出多样性和复杂性的特点。传统的生物信息计算环境如专用工作站、虚拟机等已无法较好地适应这一情况。Docker作为一种新兴的容器技术,具有轻量、开放和安全的优点,为分析和处理生物大数据提供了一种新的解决方案,得到生物信息学开发和应用人员越来越多的关注与使用。该文针对大数据时代下生物信息学工具开发、部署、应用的要求和特点,分析Docker技术在生物信息学中应用的优势,介绍了该技术在生物信息学中的具体应用案例,探讨其有待改进的方面以及未来发展趋势。  相似文献   
10.
随着新一代测序技术的发展,传统的序列比对工具已无法满足测序产生的海量生物学数据分析处理的需求,研究如何利用最新的计算技术加速序列比对过程具有十分重要的意义。本文回顾了常用的局部序列比对算法,介绍了基于并行计算原理的序列比对算法的加速优化策略和主要进展,详细说明了如何利用最新的图形处理器(GPU)计算技术实现高性能的BLAST(basic local alignment search tool)比对算法。最后,结合实际需求,提出和讨论了综合利用云计算和GPU计算实现高性能、高能效的序列比对平台的研究思路。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号