Biológiai géninterakciók feldolgozása Apache Hadoop segítségével
| dc.contributor.advisor | Antal, Bálint | |
| dc.contributor.author | Auer, Bence | |
| dc.contributor.department | DE--Informatikai Kar | hu_HU |
| dc.date.accessioned | 2014-12-02T08:27:39Z | |
| dc.date.available | 2014-12-02T08:27:39Z | |
| dc.date.created | 2014 | |
| dc.description.abstract | A funkcionális genomika az egyes gének biológiai folyamatokban betöltött szerepét vizsgálja. Az ezen a területen végzett kutatások elengedhetetlen feltétele a kísérletek alapos megtervezése, azonban az egy kísérletben potenciálisan vizsgált gének és a köztük fennálló ismert kapcsolatok száma rendkívül magas, és a kísérleti biológusok számára nehézséget jelent ezen információk beszerzése és rendszerezése. Erre a problémára igyekszik megoldást kínálni a dolgozatban bemutatott szoftver, amely egy felhasználó által megadott génlistára összegyűjti és rendszerezi a gének közt fennálló kapcsolatokat. A szoftver az Apache Hadoop nevű nyílt forráskódú keretrendszeren alapszik, amellyel lehetővé vált az adat-intenzív elosztott alkalmazásoknak a nagyméretű és egyben alacsony költségű grid infrastruktúrával történő támogatása. Az architektúra biztosít egy elosztott fájlrendszert - a HDFS-t - és emellett implementálja a MapReduce paradigmát is, amit a funkcionális programozás map és reduce funkciói inspiráltak. A gének kinyeréséhez egy BioGRID nevű adatbázis REST alapú webszolgáltatását használtam, amely a fehérje-fehérje- és géninterakcióknak az egyik legnagyobb "gyűjtőhelye". A Hadoop (és így az alkalmazásom) egyik legnagyobb előnye a skálázhatóság, azaz a programot elosztott környezetben futtatva a bemenet méretének függvényében exponenciálisan növekvő lehetséges kombinációkat, lineárisan skálázva dolgozhatjuk fel. A használatához csupán egy egyszerű szöveges fájlt kell megadnunk, majd néhány egyszerű lépés múlva már a saját lokális fájlrendszerünkön találjuk azt a kimeneti fájlt, amely a számunkra fontos gének (egyes, páros, hármas, stb.) interakcióit tartalmazza. Továbbá a programhoz implementálva lett egy egyszerű grafikai felület is, amely lehetővé teszi az alkalmazás paraméterezését is, annak mélyreható ismerete nélkül. A végső output formátuma pedig olyan CSV fájl lesz, melyet akár azonnal importálhatunk bármilyen táblázatkezelő programba vagy akár egy egyszerű notepad-el is megnyithatjuk. A teljes alkalmazás ingyenesen elérhető az alábbi github repository-ban: https://github.com/benauer/Biogrid-Hadoop. | hu_HU |
| dc.description.course | Mérnök informatikus | hu_HU |
| dc.description.degree | BSc/BA | hu_HU |
| dc.format.extent | 40 | hu_HU |
| dc.identifier.uri | http://hdl.handle.net/2437/201799 | |
| dc.language.iso | hu | hu_HU |
| dc.rights | Nevezd meg! - Ne add el! 2.5 Magyarország | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/2.5/hu/ | * |
| dc.subject | hadoop | hu_HU |
| dc.subject | mapreduce | hu_HU |
| dc.subject.dspace | DEENK Témalista::Informatika | hu_HU |
| dc.title | Biológiai géninterakciók feldolgozása Apache Hadoop segítségével | hu_HU |