Μεθοδολογία σύγκρισης πρωτεϊνικών ακολουθιών σε υποδομές μεγάλης κλίμακας

1. Μεθοδολογία σύγκρισης
πρωτεϊνικών ακολουθιών
σε υποδομές μεγάλης
κλίμακας
Μεθοδολογία σύγκρισης
πρωτεϊνικών ακολουθιών
σε υποδομές μεγάλης
κλίμακας
Όλγα Βρούσγου
2 Απριλίου 2015

2. 2
Περιεχόμενα
1. Εισαγωγή
2. Το πρόβλημα
3. Τα εργαλεία
4. Η Υποδομή
5. HellasGrid
6. Ροή του προγράμματος
7. Επιλογές Εκτέλεσης
8. Λογισμικό
9. Πολυπλοκότητα
10. Αποτελέσματα
11. Συμπεράσματα
12. Ευχαριστήριες/Δημοσιεύσεις
13. Ερωτήσεις

3. 3
Εισαγωγή
●
Ταχεία παραγωγή
δεδομένων
●
Human Genome
Project
●
Βιοπληροφορική

4. 4
Το Πρόβλημα
Σύγκριση Ακολουθιών Στόχος
• Εκτίμηση πρωτεϊνικών
λειτουργιών
• Εκτίμηση πρωτεϊνικών
οικογενειών
Πρόβλημα
• Χρονικά ακριβό
• Υπολογιστικά ακριβό

5. 5
Το Πρόβλημα
Υλοποίηση σε Πλέγμα Υπολογιστών (Grid)
BLAST – Phylogenetic Profiles – MCL Clustering

6. 6
Τα Εργαλεία
BLAST Phylogenetic Profiles
MCL Clustering

7. 7
Η Υποδομή
The Grid HellasGrid
• Πολλαπολοί Πόροι
• Πολλαπλοί χρήστες
• Scalability

8. 8
HellasGrid
Υποβολή εργασιών

9. 9
Λύση
Γενική Ροή

10. 10
●
Αρχεία FASTA
●
Αρχεία κειμένου (txt)
Είσοδος

11. 11
Parametric Jobs

12. 12
Job Handler

13. 13
Job Collection

14. 14
Έξοδος
●
Έξοδος αλγορίθμων

Φυλογενετικά Προφίλ

MCL Clusters
●
Έξοδος Εφαρμογής

Report

E-mail
●
Εργαλεία Περεταίρω
Επεξεργασίας

Parser Scripts

Cleanup/Download Scripts

15. 15
Επιλογές Εκτέλεσης
● BLAST & MCL
● BLAST & Phylogenetic
Profiles
●
BLAST & Phylogenetic
Profiles & MCL
● BLAST & Phylogenetic
Profiles & MCL x2
● BLAST &
Phylogenetic
Profiles & MCL x2
ALL – Vs - ALL
Split Database Split Query

16. 16
Λογισμικό

17. 17
Πολυπλοκότητα
● BLAST : Ο(Ν*Μ)
● MCL : Ο(n*k^2)
● Phyl. P. : Ο(Ν^2*Κ*Μ)
ALL – Vs – ALL :
● Σειριακά: Ο[Μ^3]
● Παράλληλα δ. query: Ο[Μ^3/P]
● Παράλληλα δ. βάση: Ο[Μ^3/K]
● M = No. DB sequences
● N = No. Query sequences
● K = No. Genomes in DB
● P = No. Pieces Query Split
● P > K

18. 18
Αποτελέσματα (1)
Χρόνοι BLAST και Φυλογενετικών Προφίλ

19. 19
Αποτελέσματα (2)

20. 20
Αποτελέσματα (3)
Test Cases

21. 21
Αποτελέσματα (4)

22. 22
Αποτελέσματα (5)

23. 23
Αποτελέσματα (6)

24. 24
Αποτελέσματα (7)

25. 25
Αποτελέσματα (8)
Φυλογενετικά Προφίλ – Plants
Pangenome

26. 26
Συμπεράσματα
● Σύγκριση πρωτεϊνικών δομών
για μεγάλα σύνολα δεδομένων
● Επιτάχυνση έως και 14.1x για
βάση ~ 0.5 M πρωτεϊνών
● Split Query vs Split DB
● Σημαντικότητα Υποδομής
● Πολυπλοκότητα πρόβλεψης
χρόνων εκτέλεσης
Συμπεράσματα
Μελλοντικές
Επεκτάσεις
●
Αυτοματοποίηση διαμοιρασμού
δεδομένων
●
User Interface
●
Οπτικοποίηση αποτελεσμάτων
●
mpi-blast

27. 27
Ευχαριστήριες/Δημοσιεύσεις
Καθηγητής Περικλής Α. Μήτκας
Δρ. Φώτης Ε. Ψωμόπουλος
Υποψήφιος Διδάκτορας Αθανάσιος
Κιντσάκης
Δημοσιεύσεις
23rd Annual International Conference on
Intelligent Systems for Molecular Biology
14th European Conference on
Computational Biology
July 2015
Αίτημα για Poster
Ευχαριστήριες

28. 28