Avaliação de Desempenho de um Workflow Científico para Experimentos de RNA-Seq no Supercomputador Santos Dumont

• Lucas Cruz LNCC
• Micaella Coelho LNCC
• Luiz Gadelha LNCC
• Kary Ocaña LNCC
• Carla Osthoff LNCC

DOI: https://doi.org/10.5753/wscad_estendido.2020.14093

Resumo

Experimentos científicos em larga escala são considerados complexos devido à modelagem de suas atividades, execução e análises de grandes volumes de dados. Na bioinformática esses experimentos são modelados como workflows científicos utilizando conceitos de computação de alto desempenho e ciência de dados. Neste artigo apresentamos o workflow ParslRNA-Seq para experimentos de RNA-Seq e análises de desempenho das execuções realizadas no supercomputador Santos Dumont usando dados reais. Os resultados mostram uma melhora no desempenho, quando comparado às execuções realizadas da forma tradicional sem paralelização e via Web, de 3 dias para 11 horas, com reproducibilidade de resultados de dados biológicos sensíveis. A execução multithreading do workflow indica também que a parametrização é dependente do Parsl e da atividade bowtie.

Referências

Anders, S., Pyl, P. T., and Huber, W. (2014). HTSeq—a Python framework to work with high-throughput sequencing data. Bioinformatics, 31(2):166–169.

Babuji, Y., Woodard, A., Li, Z., Katz, D. S., Clifford, B., Kumar, R., Lacinski, L., Chard, R., Wozniak, J., Foster, I., Wilde, M., and Chard, K. (2019). Parsl: Pervasive parallel programming in python. In 28th ACM International Symposium on High-Performance Parallel and Distributed Computing (HPDC).

Braghetto, K. R. and Cordeiro, D. (2014). Introdução à modelagem e execução de work- ows cientícos. Atualizações em Informática. 1ed. Porto Alegre: SBC, pages 1–40.

Cordeiro, D., Braghetto, K. R., Goldman, A., and Kon, F. (2013). Da ciência à e-ciência: paradigmas da descoberta do conhecimento. Revista USP, (97):71–81.

Langmead, B. and Salzberg, S. L. (2012). Fast gapped-read alignment with bowtie 2. Nature methods, 9(4):357.

Love, M. I., Huber, W., and Anders, S. (2014). Moderated estimation of fold change and dispersion for rna-seq data with deseq2. Genome biology, 15(12):550.

Mattos, A., Silva, F., Ruberg, N., and Cruz, M. (2008). Gerência de workows cientícos: uma análise crítica no contexto da bioinformática. COPPE/UFRJ.

Oca˜na, K. A. C. S., Galheigo, M., Osthoff, C., Gadelha, L., Porto, F., Gomes, A., Oliveira, D., and Vasconcelos, A. T. (2020). Bioinfoportal: A scientic gateway for integra- ting bioinformatics applications on the brazilian national high-performance computing network. Future Generation Computer Systems, 107:192–214.

Silva, R. R. and Yokoyama, R. S. (2011). Avaliação do desempenho de threads em user level utilizando sistema operacional linux. Revista de Informática Teórica e Aplicada.