Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1084055
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorLAGROTTA, M. R.
dc.contributor.authorSILVA, F. F. e
dc.contributor.authorRESENDE, M. D. V. de
dc.contributor.authorNASCIMENTO, M.
dc.contributor.authorDUARTE, D. A. S.
dc.contributor.authorAZEVEDO, C. F.
dc.contributor.authorMOTA, R. R.
dc.date.accessioned2018-01-03T23:20:01Z-
dc.date.available2018-01-03T23:20:01Z-
dc.date.created2018-01-03
dc.date.issued2017
dc.identifier.citationRevista Brasileira de Biometria, Lavras, v. 35, n. 3, p. 440-448, 2017.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1084055-
dc.descriptionEm seleção genômica (SG), o grande número de marcadores moleculares utilizados, bem como a demanda computacional dos modelos bayesianos, fundamentados nos algoritmos Monte Carlo Via Cadeias de Markov, faz com que as análises exijam semanas ou até meses de processamento. A computação paralela representa uma solução natural para este problema, visto que esta subdividi um algoritmo em várias tarefas independentes, as quais podem ser processadas em paralelo, reduzindo o tempo de processamento. Objetivou-se comparar a eficiência de processamento do método BayesCπ programado em paralelo com o seu algoritmo sequencial padrão. Duas estratégias de paralelização foram estudadas. A primeira envolveu a análise de múltiplas cadeias MCMC em paralelo, e a segunda referiu-se à paralelização de uma única cadeia MCMC. Utilizou-se a biblioteca MPI e o pacote OpenMPI associado ao compilador gfortran para execução em paralelo desses algoritmos. Foram utilizados dados simulados considerando 10.000 marcadores SNPs e 4.100 indivíduos. O algoritmo sequencial padrão foi processado em 77,29 horas. Ao usar múltiplas cadeias em paralelo o processamento foi 77% mais rápido (17,75hs), enquanto que a estratégia de paralelização de uma única cadeia apresentou um ganho de desempenho de 15% (65,37hs). Conclui-se que a computação paralela é eficiente e pode ser aplicada à SG.
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectMarcadores SNP
dc.subjectRegressão Bayesiana
dc.titleComputação paralela aplicada à seleção genômica via inferência Bayesiana.
dc.typeArtigo de periódico
dc.date.updated2018-01-03T23:20:01Zpt_BR
dc.subject.nalthesaurusStatistics
dc.subject.nalthesaurusGenetic improvement
riaa.ainfo.id1084055
riaa.ainfo.lastupdate2018-01-03
dc.contributor.institutionMarcos Rodrigues Lagrotta, Universidade Federal dos Vales do Jequitinhonha e Mucuri; Fabyano Fonseca e Silva, UFV; MARCOS DEON VILELA DE RESENDE, CNPF; Moysés Nascimento, UFV; Darlene Ana Souza Duarte, UFV; Camila Ferreira Azevedo, UFV; Rodrigo Reis Mota, University of Liège.
Aparece nas coleções:Artigo em periódico indexado (CNPF)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017M.DeonRBMComputacao.pdf3,36 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace