Apache Spark上的生物信息学应用程序,GigaScience

当前位置： X-MOL 学术 › Gigascience › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

Apache Spark上的生物信息学应用程序
GigaScience ( IF 11.8 ) Pub Date : 2018-08-07 , DOI: 10.1093/gigascience/giy098
Runxin Guo ₁ , Yi Zhao ₂ , Quan Zou ₃ , Xiaodong Fang ₄ , Shaoliang Peng _{1,

5}

Affiliation

随着下一代测序技术的飞速发展，基因组数据的不断增加对数据处理提出了巨大的挑战。因此，迫切需要高度可扩展且功能强大的计算系统。在最先进的并行计算平台中，Apache Spark是用于大型数据处理的快速，通用的内存中迭代计算框架，通过引入弹性分布式数据集可确保高容错性和高可伸缩性抽象。就性能而言，Spark的内存访问速度可比Hadoop快100倍，磁盘访问速度可快10倍。此外，它还提供Java，Scala，Python和R中的高级应用程序编程接口。它还支持一些高级组件，包括用于结构化数据处理的Spark SQL，用于机器学习的MLlib，用于计算图形的GraphX和用于流计算的Spark Streaming。我们调查了下一代测序和其他生物领域（例如表观遗传学，系统发育和药物发现）中使用的基于Spark的应用程序。这项调查的结果用于提供全面的指导方针，使生物信息学研究人员可以将Spark应用于自己的领域。

"点击查看英文标题和摘要"

更新日期：2018-08-07

点击分享查看原文

点击收藏

公开下载

阅读更多本刊新发论文本刊介绍/投稿指南