DNA序列搜索

本例子提供了DNA序列搜索，支持上传文件文件，使用spark mlib计算模型提取特征，并基于milvus向量引擎进行后续检索。

引擎特性

• 底层使用特征向量相似度搜索
• 单台服务器十亿级数据的毫秒级搜索
• 近实时搜索，支持分布式部署
• 随时对数据进行插入、删除、搜索、更新等操作

DNA背景介绍

脱氧核糖核酸（英文DeoxyriboNucleic Acid，缩写为DNA）是生物细胞内含有的四种生物大分子之一核酸的一种。 DNA携带有合成RNA和蛋白质所必需的遗传信息，是生物体发育和正常运作必不可少的生物大分子。 DNA序列指使用一串字母（A、T、C、G）表示的真实的或者假设的携带基因信息的DNA分子的一级结构。 DNA序列测定方法有光学测序和芯片测序两种。

特征提取

模型训练，推理使用了spark mlib:

• 算法详细介绍

向量引擎索引策略

 

功能介绍

• 输入地址： http://localhost:8090
• 上传数据文件 1). 点击上传按钮上传文件.
  测试数据 2). 点击特征提取按钮. 等待文件解析，模型训练，特征提取，特征存入向量引擎。通过console可以看到进度信息。

• DNA序列搜索 输入文字，点击查询，可以看到返回的清单，根据相似度排序。

xxxxxxxxxx
ATGCCCCAACTAAATACTACCGTATGGCCCACCATAATTACCCCCATACTCCTTACACTATTCCTCATCACCCAACTAAAAATATTAAACACAAACTACCACCTACCTCCCTCACCAAAGCCCATAAAAATAAAAAATTATAACAAACCCTGAGAACCAAAATGAACGAAAATCTGTTCGCTTCATTCATTGCCCCCACAATCCTAG

Git地址：

Github链接
Gitee链接