分布式框架RHadoop在肿瘤纯度检测中的应用

本科生毕业设计（论文）论文题目 分布式处理框架 RHadoop 在肿瘤纯度检测中的应用作者姓名 杨亚南专 业 信息与计算科学指导教师 李玉双副教授2017 年 6 月燕山大学本科生毕业设计（论文）分布式处理框架 RHadoop 在肿瘤纯度检测中的应用学院 ： 理学院专业 ： 信息与计算科学姓名 ： 杨亚南学号 ： 130108010020指导教师 ： 李玉双答辩日期 ： 2017年 6月燕山大学毕业设计( 论文) 任务书学院：理学院 专业(方向)：信息与计算科学系学号130108010020学生姓名杨亚南专 业班 级信息与计算科学13级题目名称 分布式处理框架 RHadoop在肿瘤纯度预测中的应用题目性质1.理工类：工程设计 （ ）；工程技术实验研究型（）；理论研究型（ ）；计算机软件型（ ） ；综合型（ ）。2.文管类（ ）；3.外语类（ ）；4.艺术类（ ）。题目类型 1.毕业设计（ ） 2.论文（ ）题目题目来源 科研课题（ ） 生产实际（ ）自选题目（ ） 主要内容1、收集 R语言相关书籍、文献，学习掌握其基本语法与操作。2、学习 Hadoop分布式框架的基本原理，环境搭建及其在肿瘤纯度预测中的应用。3、熟悉 RHadoop包的常用 API接口的原理和调用。4、根据 API接口进行肿瘤纯度预测的应用。5、对其中测试出来的问题进行修改和完善，完成应用。基本要求1、通过编码熟悉 R语言进行肿瘤纯度预测数据操作与运算。2、掌握利用 ODBC进行 MySQL数据库的增删改查操作，能够对数据库事务有较深入的理解。3、掌握分布式处理框架 Hadoop的基本原理与环境搭建。4、了解 RHadoop包的接口处理流程，将问题转换为分布式框架的MapReduce编程范式。5、使用 RHadoop进行小规模肿瘤纯度预测数据的操作与处理，检验学习效果。6、使用 RHadoop进行大规模肿瘤纯度预测数据的操作与处理，达到应用目的。7、对应开发工具和环境的使用:如 Rstudio，Linux 服务器。8、对信息与计算科学及相关学科、行业的国际状况有基本了解，并能表达自己的观点。9、具备能够选择合适的途径实现自身发展的能力，能够选择合适的方式、不断学习、实现自身发展的需要。参考资料1 岳宗胜，李敬改，周磊等. 基于 RHadoop 搭建大数据统计分析平台J. 科技创新与应用，2015(4):21-22.2 深圳国泰安教育技术股份有限公司，陈工孟，须成忠. 大数据分析:R 基础及应用M. 清华大学出版社， 2016.3 Garry Turkington. Hadoop 基础教程M. 人民邮电出版社， 2014.4 萨米尔瓦德卡，马杜西德林埃. 深入理解 HadoopM. 机械工业出版社，2016.5 Xiaoqi Zheng，Nianqian Zhang，Hua-Jun Wu and Hao Wu. Estimating and accounting for tumor purity in the analysis of DNA methylation datafrom cancer studies.Genome Biology.6 Jones PA.DNA methylation and cancer. Cancer Res.1986;46:461-6.7 Kulis M，Esteller M.DNA methylation and cancer.Adv Genet.2010;70:27-56.8 Laird PW.The power and the promise of DNA methylation markers.Nat RevCancer.2003;3:253-66.9 Bibikova M，Barnes B，Tsan C ，Ho V ，Klotzle B，Le JM，et al.High density DNA methylation array with single CpG site resolution.Genomics.2011;98:288-95.10 Lister R，Pelizzola M，Dowen RH，Hawkins RD，Hon G，Tonti-Filippini J，et al.Human DNA methylomes at base resolution show widespread epigenomic differences.Nature.2009;462:315-22.11 Meissner A，Gnirke A， Bell GW，Ramsahoye B，Lander ES，Jaenisch R.Reduced representation bisulfite sequencing for comparative high-resolution DNA methylation analysis.Nucleic Acids Res.2005;33:5868-77.12 Cancer Genome Atals Research Network.Comprehensive genomic characterization.13 Cancer Genome Atlas Research Network，Weinstein JN，Collisson EA，Mills GB，Shaw KR，Ozenberger BA，et al.The Cancer Genome Atlas Pan-Cancer analysis project.Nat Genet.2013;45:1113-20.14 周扬. RHadoop 安装 OL. /hxpjava1/article/details/19238127，2014-02-15. 15 博客. r3.3.1 源码安装 OL. /infodetail-1742059.html，2016-09-05. 周 次 1 3周 4 5周 6 7 周 8 15周 16 17周应完成的内容收集 R语言开发相关书籍、文献，学习掌握其基本操作学习 Hadoop分布式框架的原理与简单应用深入学习RHadoop支持包，并进行实际问题的建模与运算根据肿瘤纯度预测应用的过程和结果，不断修改和完善程序。撰写论文制作 PPT，准备答辩指导教师：李玉双职称：副教授 2017 年 2月 28日 燕山大学本科生毕业设计（论文）摘 要R 是一门广泛应用于统计分析、应用数学、生物信息等领域的编程语言，其集成了大量用于数学计算的函数，具有功能强大的数据统计分析功能。Hadoop 是当前非常流行的大数据分布式处理框架，通过 HDFS 和 MapReduce 实现了对海量数据的并行计算和分布式存储。本文介绍了基于 R 和 Hadoop 搭建大数据分析处