Reference : Computação paralela aplicada à seleção genômica via inferência Bayesiana
Scientific journals : Article
Life sciences : Animal production & animal husbandry
http://hdl.handle.net/2268/216296
Computação paralela aplicada à seleção genômica via inferência Bayesiana
Portuguese
LAGROTTA, Marcos Rodrigues [> >]
FONSECA E SILVA, Fabyano [> >]
VILELA DE RESENDE, Marcos Deon [> >]
NASCIMENTO, Moysés [> >]
SOUZA DUARTE, Darlene Ana [> >]
FERREIRA AZEVEDO, Camila [> >]
REIS MOTA, Rodrigo mailto [Université de Liège - ULiège > Agronomie, Bio-ingénierie et Chimie (AgroBioChem) > Ingénierie des productions animales et nutrition >]
Sep-2017
Revista Brasileira de Biometria
35
3
440-448
Yes (verified by ORBi)
1983-0823
Lavras, MG
Brazil
[en] SNP ; Melhoramento genético ; marcadores ; regressao Bayesiana
[en] Em seleção genômica (SG), o grande número de marcadores moleculares utilizados, bem como a demanda computacional dos modelos bayesianos, fundamentados nos algoritmos Monte Carlo Via Cadeias de Markov, faz com que as análises exijam semanas ou até meses de processamento. A computação paralela representa uma solução natural para este problema, visto que esta subdividi um algoritmo em várias tarefas independentes, as quais podem ser processadas em paralelo, reduzindo o tempo de processamento. Objetivou-se comparar a eficiência de processamento do método BayesCπ programado em paralelo com o seu algoritmo sequencial padrão. Duas estratégias de paralelização foram estudadas. A primeira envolveu a análise de múltiplas cadeias MCMC em paralelo, e a segunda referiu-se à paralelização de uma única cadeia MCMC. Utilizou-se a biblioteca MPI e o pacote OpenMPI associado ao compilador gfortran para execução em paralelo desses algoritmos. Foram utilizados dados simulados considerando 10.000 marcadores SNPs e 4.100 indivíduos. O algoritmo sequencial padrão foi processado em 77,29 horas. Ao usar múltiplas cadeias em paralelo o processamento foi 77% mais rápido (17,75hs), enquanto que a estratégia de paralelização de uma única cadeia apresentou um ganho de desempenho de 15% (65,37hs). Conclui-se que a computação paralela é eficiente e pode ser aplicada à SG.
Researchers ; Professionals ; Students
http://hdl.handle.net/2268/216296

File(s) associated to this reference

Fulltext file(s):

FileCommentaryVersionSizeAccess
Restricted access
COMPUTAÇÃO PARALELA APLICADA À SELEÇÃO GENÔMICA VIA INFERÊNCIA BAYESIANA.pdfPublisher postprint3.42 MBRequest copy

Bookmark and Share SFX Query

All documents in ORBi are protected by a user license.