Podejście oparte na MapReduce do najdluższej wspólnej podsekwencji w sekwencjach biologicznych

Identyfikacja najd¿u¿szej wspólnej podsekwencji (LCS) sekwencji biologicznych ma istotne zastosowania w bioinformatyce. Ze wzgl¿du na rosn¿c¿ popularnö¿ aplikacji bioinformatycznych do przetwarzania danych wykorzystuje si¿ nowe sekwencje biologiczne o wi¿kszej d¿ugöci, co stanowi du¿e wyzwanie dla algorytmów sekwencyjnych LCS. Zaproponowano kilka algorytmów równoleg¿ych LCS, ale ich wydajnö¿ i skutecznö¿ nie s¿ zadowalaj¿ce ze wzgl¿du na rosn¿c¿ z¿öonö¿ i rozmiar danych biologicznych. Aby przezwyci¿¿y¿ ograniczenia istniej¿cych algorytmów LCS i bior¿c pod uwag¿ model programowania MapReduce jako obiecuj¿c¿ technologi¿ zapewniaj¿c¿ op¿acalne, wysokowydajne obliczenia równoleg¿e, opracowano algorytm równoleg¿y oparty na MapReduce dla LCS. Podej¿cie to wykorzystuje koncepcje tabel nast¿pców, identycznych par znaków, drzewa nast¿pców i przechodzenia przez drzewo nast¿pców w celu znalezienia najd¿u¿szej wspólnej podsekwencji. Do realizacji modelu MapReduce wykorzystano framework Hadoop.