功能性前噬菌体可以整合到其宿主的染色体中或以潜在的附加型DNA形式保留在内并影响宿主菌的遗传复制,该前噬菌体在细菌毒力的获取和增加中起重要作用。随着最近发布的成千上万的细菌高通量测序数据,研究人员越来越有兴趣研究前噬菌体与宿主之间相互依存的影响关系。基本任务之一是预测功能性细菌并进一步地提取宿主菌中的前噬菌体全序。但是,没有现有的工具可以从细菌基因组中识别出功能性前噬菌体。为了减少成本并避免繁琐的功能性前噬菌体生物学实验,基于细菌高通量测序数据的预测功能性前噬菌体的计算方法将是一种有效的替代方法。本文提出了一种算法:ProFPh D,这是第一种使用细菌高通量测序数据自动准确地预测功能性前噬菌序列的工具。同时,本文通过多线程优化提高了ProFPh D的预测和提取全序的速度以及通过整合预测的功能性前噬菌体全序来构建功能性数据库。这篇论文主要包括以下三项工作:ProFPh D:基于HTS的预测前噬菌体以及验证其功能性算法。生物诱导实验是通过丝裂霉素C（化学诱导剂）得到脱离后的功能性前噬菌体。生物诱导实验需要人工执行、判断。前噬菌体预测工具主要方法是构建蛋白质序列库,利用该序列库注释宿主菌的DNA基因片段,将呈现集合状、簇状等特征形态的基因区域视为预测区域或者将合成酶附近的约一个蛋白酶大小的基因区域视为预测区域。因此,本文设计实现了一种基于HTS技术的功能性前噬菌体预测算法:ProFPh D。主要思想是基于“滑动窗口”原理寻找严格定义前噬菌体区域的两个整合位点att L和att R。可以较准确地预测到前噬菌体区域。其次,基于改进的图形化模型寻找能够使前噬菌体首尾相连的严格匹配的reads来进一步地验证前噬菌体是否具有功能性。最后基于末端延伸算法提取完整的功能性前噬菌体基因序列。通过湿实验室实验验证了获得的功能性前噬菌体序列。在案例研究中,将ProFPh D应用于一组NCBI数据库中的HTS数据。ProFPh D从72个细菌基因组中预测到10个功能性前噬菌体。并随后对10个功能性前噬菌体进行深度测序。对比结果表明ProFPh D预测到的与生物诱导实验得到的功能性前噬菌体比照成功率为90%。并通过与现有的前噬菌体预测工具相比较,对比结果表明ProFPh D具有相同的特征和性能,而且能进一步地验证前噬菌体是否具有功能性。实现ProFPh D的多线程优化。串行化单线程的ProFPh D面对1000M的测序数据集需要消耗3-4个小时左右才能完成对前噬菌体的预测以及验证其是否具有功能性。具体来说,ProFPh D的运行时间主要消耗在预测前噬菌体区域、功能性验证以及提取其基因组全序这三个步骤上。因此,本文分别在这三个步骤上对ProFPh D进行多线程并行优化。测试结果表明,三个部分分别并行加速比高达10、7、2.4。整体加速比达到5.11。构建功能性前噬菌体全序基因库。目前研究人员只能通过查阅参考文献或者通过注释宿主菌基因组以此得到功能性前噬菌体的完整序列。但是,功能性前噬菌体的相关研究文献只有1100篇,占噬菌体相关研究文献的8%。针对这些问题,本文设计出基于自动化提取完整序列并构建功能性前噬菌体基因序列数据库并自设脚本批量下载细菌测序数据的方法。目前该方法在高性能服务器上每天能够下载约1000组测序数据,且成功在约30T约60000组细菌测序数据中预测并提取约3000个功能性前噬菌体基因序列。