Emprego de GPGPUs para acelerar simulações do sistema humano inato

• Autor(a) principal: Rocha, Pedro Augusto Ferreira
• Data de Publicação: 2012
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/3520
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Sistema imune inato; Análise de sensibilidade; Equações diferenciais parciais; Método das diferenças finitas; Computação paralela; Innate immune system; Sensitivity analysis; Partial differential equations; Finite difference method; Parallel computing

Dois mecanismos são utilizados pelo Sistema Imunológico Humano (SIH) para defender o organismo contra doenças causadas pelos mais distintos agentes patogênicos: o sistema inato e o sistema adaptativo. O primeiro é composto por células e substâncias químicas que utilizam um mecanismo genérico de defesa para prevenir ou limitar infecções ocasionadas pela maioria dos patógenos. Já o segundo mecanismo é ativado pelo primeiro, baseando-se na habilidade de reconhecer e de recordar agentes patogênicos específicos, colaborando para a montagem de um ataque mais potente a cada vez que o mesmo patógeno é encontrado. Apesar de ser muito estudado, muitas questões sobre o funcionamento do SIH ainda estão em aberto em virtude de sua complexidade e do grande número de interações, nos mais diversos níveis, entre seus distintos componentes. Neste sentido, ferramentas computacionais podem se constituir em um poderoso ferramental para auxiliar nas pesquisas sobre o tema. O presente trabalho está inserido neste escopo, dividindo-se em duas partes. Na primeira parte, o trabalho apresenta os resultados de uma análise de sensibilidade em um modelo matemático-computacional que simula a resposta imunológica inata ao lipopolissacarídeo (LPS), com o objetivo de encontrar os parâmetros mais sensíveis deste modelo. Além disto, a segunda parte do trabalho propõe uma adaptação do modelo original para um modelo tridimensional. As simulações realizadas nas duas partes do trabalho mostraram-se computacionalmente caras, demandando longos períodos de tempo para serem concluídas. Assim, GPGPUs (General Purpose Graphics Processing Units) foram utilizadas para reduzir os tempos de execução. O uso de GPGPUs permitiu que acelerações de 276 vezes para a análise de sensibilidade massiva e de 87 vezes para a computação do modelo em três dimensões fossem obtidas.