全文总字数：2962字
1. 研究目的与意义（文献综述）
随着高通量测序技术的不断进步及广泛应用，产生了大量的生物数据[1]，通过生物信息学技术来理解蕴含于数据中的生物学知识是当前生物技术发展的迫切需求。这些生物数据类型复杂、数量庞大，这个问题在基因方面尤为突出：随着二代测序技术的飞速发展和基因组重测序成本的不断降低，全基因组关联分析也得到了充分和快速的发展。
而如今，随着第二代测序技术的诞生、发展和应用，测序速度越来越快，测序成本与第一代测序技术相比急剧下降。测序技术的发展速度已经超过了摩尔定律[2]。近年来，基因组测序成本都在不断下降。以人类基因组测序为例，高通量测序使得测序成本控制在一千美元以下，时间可以控制在数周。如此快速、低廉的测序技术，是一个巨大的进步，给生命科学研究带来了前所未有的机遇。虽然测序成本已经不能限制生命科学的发展，但是对海量数据分析的难度还是生命科学发展的桎梏。
传统的基于文本的数据处理和展示模式不利于清楚地表达其中的复杂关系。生物信息可视化技术可以将难以理解的抽象符号信息转化为更直观的图像和模型，是有效理解生物数据的不可或缺的手段[3][4]。对生物数据进行良好且直观的展示可以揭示数据内在的错综复杂的关系，让研究人员可以对复杂的数据进行多角度观察，为生物数据的分析和生物信息的挖掘提供了便利。然而，面对基因的海量且复杂的数据，传统的基于文本或者静态图片的可视化方案已经不能满足需求[5]。生物大数据可视化在需要新的方法和理论的同时，还需要赋予图表更多的交互能力和数据表现能力。
2. 研究的基本内容与方案
目标：
1）利用前端技术设计出一个可交互的数据可视化工具
2）根据指定数据类型制定合理的可视化方案
3. 研究计划与安排
(1)2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告； (2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善； (3)2019/5/1—2019/5/25：撰写及修改毕业论文；(4)2019/5/26—2019/6/5：准备答辩。
4. 参考文献（12篇以上）
[1]陈为, 张嵩, 鲁爱东, et al. 数据可视化的基本原理与方法 [M]. 北京: 科学出版社. 2013.
[2]Murray S. 数据可视化实战: 使用 d3 设计交互式图表 [M]. 北京: 人民邮电出版社. 2013.
[3]Keahey T A. Using visualization to understand big data [J]. IBM Business Analytics Advanced Visualisation, 2013.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
