$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

효율적인 유전자 서열 비고를 위한 데이타베이스 검색 모델
A Database Retrieval Model for Efficient Gene Sequence Alignment 원문보기

정보과학회논문지. Journal of KIISE. 데이타베이스, v.31 no.3, 2004년, pp.243 - 251  

김민준 (미디어코러스(주) 부설정보통신연구소) ,  임성화 (현대디지탈테크(주) 미디어 연구) ,  김재훈 (아주대학교 정보통신전문대학) ,  이원태 (연세대학교 생화학) ,  정진원 (연세대학교 생화학과)

초록
AI-Helper 아이콘AI-Helper

대부분의 생물정보학의 프로그램들은 데이타베이스로부터 유전자 등의 데이타를 검색하고 처리하여 생화학자와 생물학자에게 서비스를 제공한다. 이때 각각 클라이언트의 요청마다 데이타베이스의 검색을 수행한다면 많은 디스크 접근 시간이 소요된다. 또한 서버에 과부하를 초래하여 응답시간이 길어질 수 있다. 본 논문에서는 생물정보학에서 서열 검색 프로그램의 데이타베이스 사용 패턴을 이용하여 많은 데이타베이스 요청에 대하여 데이타베이스의 검색을 위한 디스크 접근을 공유하는 그룹핑 기법을 제안한다. 또한, 사용자 요청을 대기 시간 없이 처리중인 작업과 동시에 데이타베이스의 검색을 위한 디스크 접근을 공유하여 시스템 처리율을 높이고 빠른 응답시간을 가지는 카플 방식을 제안한다. 제안된 기법은 수학적 분석과 시뮬레이션을 통하여 성능을 검증하였다.

Abstract AI-Helper 아이콘AI-Helper

Most programs of bioinformatics provide biochemists and biologists retrieve and analysis services of gene and protein database. As these services retrieve database for each arrival of user's request, it takes a long time and increases server's load and response time. In this paper. by utilizing data...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 나타낼 수 있다. 그런데 하나의 요청도 발생하지 않는 경우를 고려해서 하나의 사용자 요청을 처리하는데 드는 시스템 비용을 구해보자.
  • 단백질 데이타의 폭발적인 증가는 컴퓨터의 발전 속도를 능가할 정도이며 또한 이를 분석하기 위해서도 데이타베이스의 빈번한 검색은 생물정보학 관련 문제들을 처리함 예 있어 과부하로 작용할 것이다. 논문에서는 생물 정보학의 데이타베이스를 효율적으로 사용할 수 있는 서열 검색 프로그램 모델을 제시하였다. 그룹핑 방식은 각 주기 마다 사용자 요청을 처리 하는 방식이다.
  • 특징이 있다. 이런 특징에 맞춰 생물정보 데이타를 이용하는 프로그램들의 성능을 증가시키기 위한 프로그램 모델올 제안한다. 우선 사용자 요청올 모아서 한 번에 처리하는 사용자 요청 그룹핑 기법은 일정 주기 동안 사용자 요청을 모아서 데이타베이스를 한번만 검색하고 여러 번의 처리를 하게 된다.

가설 설정

  • 요청들은 발생한 순서로 큐에 등록되고 등록된 순서로 순차적으로 서비스 된다. 모든 요청의 서비스 비용이 같다는 가정하며 M/G/1 큐잉 모델이 된다.
  • 본 논문에서 제안하는 그룹핑 모델과 카플 모델은 데이타베이스를 모두 검색하여 검색된 모든 데이타와 사용자의 서열들 간의 비교를 하는 경우만을 가정한다. 앞에서 예로 제시한 Blast와 같이 데이타베이스의 모든 서열을 검색하지 않고 일부 데이타만을 선별하여 비교하는 프로그램에서는 본 프로그램 모델을 그대로 사용할 수 없다.
  • 사용자 요청은 발생률 기의 포아송과정(Poisson process)이라 가정하였다. 서버가 다른 요청을 처리하고 있을 때, 다른 요청이 발생하면 새로운 요청은 큐에 등록된다.
  • 때 나타나는 결과이다. 사용자 요청은 포아송 분포로 이루어진다고 가정하였다. 기존방식은 각 요청률(人) 에 따라 500개의 사용자 요청을 처리하는 평균 시간을 측정하였으며 그룹핑 방식은 그룹핑 주기D)를 50, 70, 100으로 하여 각 요청률( 人 )마다 2000개의 사용자 요청을 처리하는데 걸리는 응답시간의 평균올 구한 것이다.
  • 물론 데이타베이스 사용과 CPU사용올 동시에 할 수 있는 기법올 이용하면 서버의 사용을 올 1보다 높일 수 있다. 서열비교를 순차적으로수행하는 방식을 가정하였다. 각 방식에서 임계값을 구해보자.
본문요약 정보가 도움이 되었나요?

참고문헌 (8)

  1. Hyun Seok Park, '포스트지놈 시대 생물정보학(Bioinformatics)의 역할', 대학내분비학회지, 제16권, 제1호, pp. 1-8, 2001 

  2. Stephen F. Altschul, Warren Gish, Webb Miller, Eugene W. Myers, and David J. Lipman, 'Basic Local Alignment Search Tool,' J. Mol. Biol., pp. 403-410, 1990 

  3. Tieng K. Yap, Ophir Frieder, and Robert L. Martino, 'Parallel Homologous Sequence Searching in Large Databases,' IEEE Proceedings of the Fifth Symposium on the Frontiers of Massively Parallel Computation(Frontiers'95), 1995 

  4. Jerry Banks, John S. Carson, and Barry L. Nelson, 'Discrete-Event System Simulation,' Prentice Hall, 2000 

  5. SWISSPROT: http://www.espasy.org/ 

  6. GENBANK : http://www.ncbi.nlm.nih.gov/Genbank/ 

  7. EMBL : http://www.ncbi.nlm.nih.gov/Genbank/ 

  8. Ozden, B., R. Rastogi, A. Silberschatz, and C. Martin 'Demand Paging for Video on Demand Servers,' IEEE International Conference on Multimedia Computing and Systems, May 1995 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로