Author(s): Schuenemann, Hermann Pimentel
Date: 2010
Persistent ID: http://hdl.handle.net/10451/13911
Origin: Repositório da Universidade de Lisboa
Subject(s): algoritmo de classificação de sequências; processador multi-núcleo; bioinformática; CellBE; Computação paralela
Um dos problemas maiores da bioinformática é a previsão de função de uma proteína. A tecnologia existente já permite obter milhões e milhões de sequências a custo muito reduzido, mas a compreensão de sua função dentro dos vários organismos é ainda um grande mistério para a larga maioria de sequências proteicas existentes. A criação de software eficiente que permita analisar bases de dados de proteínas em busca de metadados é também um desafio para os biólogos e uma área de estudo recente para os cientistas da computação, por representar uma alternativa de baixo custo aos métodos de teste em laboratório. Uma metodologia que se propõe analisar estas bases de dados e anotar as proteínas são os Peptide Programs (PepProg), uma metodologia de aprendizagem automática (machine learning) para classificação funcional de sequências biológicas. Esta dissertação de mestrado se propôs a estudar meios de optimizar o desempenho da implementação existente do método PepProg através da construção de uma implementação alternativa que explore a arquitectura do processador CellBE, presente nas consolas Playstation 3 disponibilizadas pelo Departamento de Informática da Universidade de Lisboa. Para explorar os recursos do CellBE, foi necessário primeiro modificar a implementação existente do método PepProg para que pudesse correr instruções do tipo Single Instruction Multiple Data (SIMD). Esta modificação denominada vectorização, é necessária para que os múltiplos núcleos do processador CellBE pudessem ser utilizados, transformando o PepProg num algoritmo paralelo dentro da arquitectura CellBE. Com o estudo realizado, pode-se concluir que as propostas de vectorização sugeridas nesta dissertação não foram suficientes para a construção de um PepProg paralelo mais eficiente, pois o custo da vectorização do algoritmo em tempo de execução provou-se ser tão alto a ponto de não poder ser compensado pela paralelização do algoritmo.
