Análise de desempenho de algoritmos para correção híbrida de sequências genômicas em ambiente de memória compartilhada e distribuída
Resumo
A análise do genoma é uma área com amplas pesquisas que permitem o estudo de doenças e o desenvolvimento de novos tratamentos. Para isso, pesquisadores utilizam-se do genoma montado através de ferramentas computacionais para realizar sua análise. Este trabalho apresenta uma análise de desempenho acerca de um algoritmo de correção hı́brida de sequências genômicas, sendo esta uma etapa necessária para a montagem do genoma. Foram implementadas sete versões do algoritmo visando comparar seus desempenhos. Os resultados obtidos a partir dos testes revelam que é possı́vel obter ganhos de desempenho de até cerca de 17 vezes em relação à versão sequencial, e que a melhor versão do algoritmo possui escalabilidade superior à linear.
Palavras-chave:
programação paralela, análise de desempenho, sequenciamento de genoma
Referências
Aluru, S. and Jammula, N. (2014). A review of hardware acceleration for computational genomics. IEEE Design Test, 31(1):19–30.
Bankevich, A., Nurk, S., Antipov, D., Gurevich, A. A., Dvorkin, M., Kulikov, A. S., Lesin, V. M., Nikolenko, S. I., Pham, S., Prjibelski, A. D., et al. (2012). Spades: a new genome assembly algorithm and its applications to single-cell sequencing. Journal of computational biology, 19(5):455–477.
Bolger, A. M., Lohse, M., and Usadel, B. (2014). Trimmomatic: a flexible trimmer for illumina sequence data. Bioinformatics, 30(15):2114–2120.
Cock, P. J., Fields, C. J., Goto, N., Heuer, M. L., and Rice, P. M. (2009). The sanger fastq file format for sequences with quality scores, and the solexa/illumina fastq variants. Nucleic acids research, 38(6):1767–1771.
Compeau, P., Pevzner, P., and Tesler, G. (2011). How to apply de bruijn graphs to genome assembly. Nature biotechnology, 29(11):987–991. Consortium, . G. P. et al. (2010). A map ofhuman genome variation from population-scale sequencing. Nature, 467(7319):1061. Consortium, . G. P. et al. (2015). A global reference for human genetic variation. Nature, 526(7571):68.
Del Angel, V. D., Hjerde, E., Sterck, L., Capella-Gutierrez, S., Notredame, C., Pettersson, O. V., Amselem, J., Bouri, L., Bocs, S., Klopp, C., et al. (2018). Ten steps to get started in genome assembly and annotation. F1000Research, 7.
Goodwin, S., McPherson, J. D., and McCombie, W. R. (2016). Coming of age: ten years of next-generation sequencing technologies. Nature Reviews Genetics, 17(6):333.
Grohme, M. A., Schloissnig, S., Rozanski, A., Pippel, M., Young, G. R., Winkler, S., Brandl, H., Henry, I., Dahl, A., Powell, S., et al. (2018). The genome of schmidtea mediterranea and the evolution of core cellular mechanisms. Nature, 554(7690):56.
Illumina (2010). De novo assembly using illumina reads. Khan, A. R., Pervez, M. T., Babar, M. E., Naveed, N., and Shoaib, M. (2018). A com- prehensive study of de novo genome assemblers: current challenges and future pros- pective. Evolutionary Bioinformatics, 14:1176934318758650.
Koren, S., Walenz, B. P., Berlin, K., Miller, J. R., Bergman, N. H., and Phillippy, A. M. (2017). Canu: scalable and accurate long-read assembly via adaptive k-mer weighting and repeat separation. Genome research, 27(5):722–736.
Purbarani, S. C., Sanabila, H. R., Bowolaksono, A., and Wiweko, B. (2016). A survey of whole genome alignment tools and frameworks based on hadoop’s mapreduce. In 2016 International Workshop on Big Data and Information Security (IWBIS), pages 65–70.
Rhoads, A. and Au, K. F. (2015). Pacbio sequencing and its applications. Genomics, Pro- teomics Bioinformatics, 13(5):278 – 289. SI: Metagenomics of Marine Environments.
Ruan, J. (2015). Smartdenovo. https://github.com/ruanjue/smartdenovo. Acesso: 02/03/2019.
Salmela, L. and Rivals, E. (2014). Lordec: accurate and efficient long read error correc- tion. Bioinformatics, 30(24):3506–3514.
Wheeler, D. A., Srinivasan, M., Egholm, M., Shen, Y., Chen, L., McGuire, A., He, W., Chen, Y.-J., Makhijani, V., Roth, G. T., et al. (2008). The complete genome of an individual by massively parallel dna sequencing. Nature, 452(7189):872.
Bankevich, A., Nurk, S., Antipov, D., Gurevich, A. A., Dvorkin, M., Kulikov, A. S., Lesin, V. M., Nikolenko, S. I., Pham, S., Prjibelski, A. D., et al. (2012). Spades: a new genome assembly algorithm and its applications to single-cell sequencing. Journal of computational biology, 19(5):455–477.
Bolger, A. M., Lohse, M., and Usadel, B. (2014). Trimmomatic: a flexible trimmer for illumina sequence data. Bioinformatics, 30(15):2114–2120.
Cock, P. J., Fields, C. J., Goto, N., Heuer, M. L., and Rice, P. M. (2009). The sanger fastq file format for sequences with quality scores, and the solexa/illumina fastq variants. Nucleic acids research, 38(6):1767–1771.
Compeau, P., Pevzner, P., and Tesler, G. (2011). How to apply de bruijn graphs to genome assembly. Nature biotechnology, 29(11):987–991. Consortium, . G. P. et al. (2010). A map ofhuman genome variation from population-scale sequencing. Nature, 467(7319):1061. Consortium, . G. P. et al. (2015). A global reference for human genetic variation. Nature, 526(7571):68.
Del Angel, V. D., Hjerde, E., Sterck, L., Capella-Gutierrez, S., Notredame, C., Pettersson, O. V., Amselem, J., Bouri, L., Bocs, S., Klopp, C., et al. (2018). Ten steps to get started in genome assembly and annotation. F1000Research, 7.
Goodwin, S., McPherson, J. D., and McCombie, W. R. (2016). Coming of age: ten years of next-generation sequencing technologies. Nature Reviews Genetics, 17(6):333.
Grohme, M. A., Schloissnig, S., Rozanski, A., Pippel, M., Young, G. R., Winkler, S., Brandl, H., Henry, I., Dahl, A., Powell, S., et al. (2018). The genome of schmidtea mediterranea and the evolution of core cellular mechanisms. Nature, 554(7690):56.
Illumina (2010). De novo assembly using illumina reads. Khan, A. R., Pervez, M. T., Babar, M. E., Naveed, N., and Shoaib, M. (2018). A com- prehensive study of de novo genome assemblers: current challenges and future pros- pective. Evolutionary Bioinformatics, 14:1176934318758650.
Koren, S., Walenz, B. P., Berlin, K., Miller, J. R., Bergman, N. H., and Phillippy, A. M. (2017). Canu: scalable and accurate long-read assembly via adaptive k-mer weighting and repeat separation. Genome research, 27(5):722–736.
Purbarani, S. C., Sanabila, H. R., Bowolaksono, A., and Wiweko, B. (2016). A survey of whole genome alignment tools and frameworks based on hadoop’s mapreduce. In 2016 International Workshop on Big Data and Information Security (IWBIS), pages 65–70.
Rhoads, A. and Au, K. F. (2015). Pacbio sequencing and its applications. Genomics, Pro- teomics Bioinformatics, 13(5):278 – 289. SI: Metagenomics of Marine Environments.
Ruan, J. (2015). Smartdenovo. https://github.com/ruanjue/smartdenovo. Acesso: 02/03/2019.
Salmela, L. and Rivals, E. (2014). Lordec: accurate and efficient long read error correc- tion. Bioinformatics, 30(24):3506–3514.
Wheeler, D. A., Srinivasan, M., Egholm, M., Shen, Y., Chen, L., McGuire, A., He, W., Chen, Y.-J., Makhijani, V., Roth, G. T., et al. (2008). The complete genome of an individual by massively parallel dna sequencing. Nature, 452(7189):872.
Publicado
08/07/2019
Como Citar
DE ALMEIDA, Felipe V.; SATO, Liria M.; MIDORIKAWA, Edson T.; TORRES, Tatiana T..
Análise de desempenho de algoritmos para correção híbrida de sequências genômicas em ambiente de memória compartilhada e distribuída. In: WORKSHOP EM DESEMPENHO DE SISTEMAS COMPUTACIONAIS E DE COMUNICAÇÃO (WPERFORMANCE), 2019. , 2019, Belém.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
ISSN 2595-6167.
DOI: https://doi.org/10.5753/wperformance.2019.6470.
