Construção de redes one-step para estudos evolucionários utilizando GPU

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Andrade, Matheus Carreira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/193988
Resumo: Os avanços nos estudos na área biológica resultaram na dependência de profissionais desta área em relação a recursos computacionais, devido a crescente quantidade de dados a serem analisados. A Bioinformática, como um segmento da Ciência da Computação, é uma das áreas que se utiliza de recursos matemáticos, como a teoria dos grafos. Esta pode ser empregada na construção de árvores filogenéticas, mapeamento de famílias de proteínas, entre outras aplicações. Dentre as diversas técnicas utilizadas para a construção de redes de biossequências, uma que se destaca é a estratégia Onestep, a qual indica relações de proximidade, analisando pequenas variações entre as biossequências. Porém, ao se comparar milhares de biossequências é necessário uma abordagem eficiente, devido ao volume de cálculos necessários. Um método computacional que não utiliza somente o processamento da CPU pode ser uma solução para este problema. Assim, o presente trabalho propôs a modelagem e o desenvolvimento de um método computacional para estudos evolucionários, a partir de redes One-step. Este método utiliza-se de GPU para a paralelização dos cálculos realizados, a fim de diminuir o tempo de processamento ao se comparar milhares, ou até milhões, de biossequências. Tal trabalho demonstra-se importante para profissionais da área biológica, de modo a auxiliá-los no entendimento da evolução genética de diferentes indivíduos, ou seus estágios de vida, analisando as relações entre as biossequências.