1. Computação paralela aplicada à seleção genômica via inferência Bayesiana
- Author
-
LAGROTTA, M. R., SILVA, F. F. e, RESENDE, M. D. V. de, NASCIMENTO, M., DUARTE, D. A. S., AZEVEDO, C. F., MOTA, R. R., Marcos Rodrigues Lagrotta, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Fabyano Fonseca e Silva, UFV, MARCOS DEON VILELA DE RESENDE, CNPF, Moysés Nascimento, UFV, Darlene Ana Souza Duarte, UFV, Camila Ferreira Azevedo, UFV, and Rodrigo Reis Mota, University of Liège.
- Subjects
Statistics ,Marcadores SNP ,Genetic improvement ,Regressão Bayesiana - Abstract
Em seleção genômica (SG), o grande número de marcadores moleculares utilizados, bem como a demanda computacional dos modelos bayesianos, fundamentados nos algoritmos Monte Carlo Via Cadeias de Markov, faz com que as análises exijam semanas ou até meses de processamento. A computação paralela representa uma solução natural para este problema, visto que esta subdividi um algoritmo em várias tarefas independentes, as quais podem ser processadas em paralelo, reduzindo o tempo de processamento. Objetivou-se comparar a eficiência de processamento do método BayesCπ programado em paralelo com o seu algoritmo sequencial padrão. Duas estratégias de paralelização foram estudadas. A primeira envolveu a análise de múltiplas cadeias MCMC em paralelo, e a segunda referiu-se à paralelização de uma única cadeia MCMC. Utilizou-se a biblioteca MPI e o pacote OpenMPI associado ao compilador gfortran para execução em paralelo desses algoritmos. Foram utilizados dados simulados considerando 10.000 marcadores SNPs e 4.100 indivíduos. O algoritmo sequencial padrão foi processado em 77,29 horas. Ao usar múltiplas cadeias em paralelo o processamento foi 77% mais rápido (17,75hs), enquanto que a estratégia de paralelização de uma única cadeia apresentou um ganho de desempenho de 15% (65,37hs). Conclui-se que a computação paralela é eficiente e pode ser aplicada à SG. Made available in DSpace on 2018-01-03T23:20:01Z (GMT). No. of bitstreams: 1 2017M.DeonRBMComputacao.pdf: 3436591 bytes, checksum: ce6c6c3a2cd1f8314a1acc84ae2d7af4 (MD5) Previous issue date: 2018-01-03
- Published
- 2017