Aplicação do MapReduce na análise de mutações gênicas de pacientes

• Autor(a) principal: Reckziegel Filho, Bruno
• Data de Publicação: 2013
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/77306
• topic: Informática médica; Processamento paralelo; MapReduce; Data-intensive computing; Bioinformatics; Medical genetics analysis

O avanço obtido com o desenvolvimento de técnicas rápidas para o sequenciamento de DNA e a comercialização de máquinas sequenciadoras, permitiram vários progressos na área da genética médica. Porém, devido à grande quantia de dados produzidos por tais máquinas, métodos e programas que façam a análise de sequenciamento eficientemente e em um curto espaço de tempo são indispensáveis. Além disso, aplicações que façam o diagnóstico clínico de pacientes são vistas com extremo interese por parte de pesquisadores e médicos. O MapReduce é um modelo de computação intensiva em dados que possibilita o tratamento de dados intensivos em um sistema de arquivos distribuído, além de abstrair o paralelismo de tarefas, através do uso de duas funções básicas (Map e Reduce), e permitir o controle de falhas. Considerando a inexistência de dependência entre tais dados, arquivos longos de todos tipos são bem aceitos para serem analisados neste contexto, sendo desmembrados em tamanhos menores e manipulados por diversas máquinas. Portanto, o uso desse modelo acaba se tornando uma possível solução viável para o propósito de análise dos dados produzidos por sequenciadores. Considerando tais fatos, este trabalho de conclusão de graduação objetivou o desenvolvimento de um aplicativo MR , em conjunto com pesquisadores do Grupo de Processamento Paralelo e Distribuído (GPPD) da Universidade Federal do Rio Grande do Sul e pesquisadores do Hospital de Clínica de Porto Alegre (HCPA), que auxilie no diagnóstico clínico de pacientes através da automatização da análise das sequências genéticas desses pacientes (providas por máquinas sequenciadoras) e que vise a criação de uma solução escalável, considerando esse grande volume de dados a ser analisado.