Construção de redes one-step para estudos evolucionários utilizando GPU

Abstract

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.

Advances in biological studies have resulted in the dependence of professionals in this area about computational resources due to the increasing amount of data to be analyzed. Bioinformatics, as a segment of Computer Science, is one of the areas that use mathematical resources, such as graph theory. This can be used in the construction of phylogenetic trees, protein family mapping, among other applications. There are several techniques used for the biosequence networks construction, such as the One-step strategy, which indicates proximity relations, analyzing small variations between biosequences. However, when comparing thousands of biosequences an efficient approach is necessary because of the large numbers of calculations required. A computational method that does not use only CPU processing can be a way for the problem solution. Thus, the present work proposed the modeling and development of a computational method for evolutionary studies, from One-step networks. This method uses GPU to parallelize the calculations, aimed to reduce the processing time when comparing a large number of biosequences. This work is important to professionals in the biological area to understand the genetic evolution of different individuals or stages, analyzing relations between biosequences.