بررسی کاربردهای کشف قوانین وابستگی در بیان ژن
چکیده
بررسی و مطالعات صورت گرفته در زمینه کاربردهای کشف قوانین وابستگی در بیان ژن نشان می دهند که این عرصه نیازمند یک الگوریتم موازی کارا به منظور سرعت بخشیدن به فرآیند کشف چنین قوانینی از پایگاه داده های بیان ژن می باشد. روبرو شدن با حجم عظیم، در حال رشد و توزیع شده داده های زیستی، بیوانفورماتیک را نیازمند محاسبه و حافظه بیشتر و بیشتر کرده است. پردازش موازی برای این منظور طراحی شده است به طوریکه هزینه محاسباتی را بین رایانه های شخصی همه کاره توزیع می کند. کشف قوانین وابستگی یکی از روشهای معروف داده کاوی است که نیازمند زمان محاسباتی فراوان برای وقتی است که بر روی داده های بیان ژن بکار گرفته شود. این حجم عظیم محاسباتی به دلیل تعداد ترکیبات بسیار زیادی است که باید بین این داده های با بعد زیاد چک شود. هدف از این پایان نامه معرفی بسته نرم افزاری rulegene است که شامل یک الگوریتم سریال (seqrg) و یک الگوریتم موازی (parrg) برای کشف قوانین وابستگی بر روی پایگاه داده های بیان ژن به شیوه ای کارا می باشد. الگوریتم سریال seqrg یک الگوریتم طراحی شده مخصوص است که قابلیت هایی مانند بعد زیاد داده ها و موازی شدن آسان در طراحی آن مورد توجه ویژه قرار گرفته است. به علاوه، seqrg از یک الگوریتم فشرده سازی خاص بر روی داده های تولید شده در مراحل مختلف الگوریتم استفاده می کند. الگوریتم موازی parrg نیز در این پایان نامه معرفی می شود که این الگوریتم در ابتدا پردازنده های موازی را به صورت یک درخت دودویی پیکربندی کرده و سپس پایگاه داده های بیان ژن را بین پردازنده های برگ در این درخت به صورت عمودی تقسیم می کند. این پردازنده های موازی نیز با استفاده از الگوریتم سریال seqrg اقدام به جمع آوری قوانین وابستگی داده ها بر روی بخشی از داده که در اختیار آنهاست، می نمایند. علاوه بر معرفی این الگوریتم ها، آنالیز آنها بر اساس درستی و هزینه ها، و نتیجه آنها بر روی یک پایگاه داده های واقعی بیان ژن آورده می شود.