Actas JP2011 - Universidad de La Laguna

Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011Una Versión Paralela de la EvoluciónDiferencial para Predecir Motifs en Cadenas deADNDavid L. González-Álvarez1 Miguel A. Vega-Rodríguez 2 Juan A. Gómez-Pulido 3Juan M. Sánchez-Pérez 4Resumen—La utilidad y la eficiencia de un algoritmo pararesolver un determinado problema de optimizaciónno viene dado solo por la calidad de las solucionesobtenidas, es también importante el tiempo computacionaly los recursos requeridos para su obtención.En este artículo presentamos una implementaciónparalela de la Evolución Diferencial (DE) para resolverel Problema del Descubrimiento de Motifs(PDM). El PDM es un problema de gran importanciabiológica que puede requerir una gran cargacomputacional si analizamos grandes cantidades deinformación genética, por ello, la utilización de paralelismoen maquinas de memoria compartida puedeayudarnos a obtener resultados más rápidamente.Para asegurarnos de que nuestra heurística obtieneresultados relevantes, hemos comparado los resultadosobtenidos con los obtenidos por un algoritmoestándar en la computación evolutiva como es el algoritmoNSGA-II, además de con otros catorce métodosmuy conocidos dentro del campo de la biología. Comoveremos, la estructura del algoritmo lo hace apropiadopara la paralelización, logrando buenos resultadosy eficiencias de hasta un 95%.Palabras clave—Evolución Diferencial, computación paralela, multinúcleo,optimización multiobjetivo, descubrimientode motifs.I. IntroducciónEn los últimos años hemos visto una granevolución en las interfaces de memoria compartida.Actualmente prácticamente todos los compiladoresincluyen las librerías necesarias para desarrollarfácilmente programas paralelos. Entre todasestas interfaces estándares de programación paraleladestacan MPI y OpenMP. MPI es una interfaz dedicadaa la programación de clusters, mientras queOpenMP es el estándar de programación más empleadoen la programación de multiprocesadores conmemoria compartida. En este trabajo aplicamos esteúltimo tipo de paralelismo para resolver un importanteproblema dentro de la bioinformatica, el Problemadel Descubrimiento de Motifs (PDM). Predecirmotifs es uno de los problemas más importantesdentro del análisis de secuencias, y aun nadie ha1 Dpto. Tecnología de Computadores y Comunicaciones,Grupo de Investigación ARCO, Universidad de Extremadura,e-mail: dlga@unex.es2 Dpto. Tecnología de Computadores y Comunicaciones,Grupo de Investigación ARCO, Universidad de Extremadura,e-mail: mavega@unex.es3 Dpto. Tecnología de Computadores y Comunicaciones,Grupo de Investigación ARCO, Universidad de Extremadura,e-mail: jangomez@unex.es4 Dpto. Tecnología de Computadores y Comunicaciones,Grupo de Investigación ARCO, Universidad de Extremadura,e-mail: sanperez@unex.esconseguido resolverlo de una manera eficiente. Estosmotifs son pequeños patrones de ADN, ARNo proteínas que normalmente ejercen la función dePuntos de Unión de Factores de Transcripción endistintos genes (TFBS). Normalmente no son muylargos (alrededor de 30 nucleótidos) y sin espacios,por lo que descubrirlos entre una gran cantidad deinformación biológica en las secuencias de ADN no esuna tarea nada fácil. Para encontrarlos, hemos utilizadouna heurística basada en la Evolución Diferencial(DE) que hemos paralelizado utilizando el interfazOpenMP. Además, hemos implementado tambiénuna versión paralela del algoritmo NSGA-II para asídisponer de un punto de referencia con el que compararlos resultados obtenidos por nuestra propuesta.En este trabajo no solo hemos analizado las eficienciaslogradas por las versiones paralelas de estos dosalgoritmos, sino que también hemos analizado la calidadde los motifs predichos por los algoritmos. Parahacer esto, hemos aplicado diferentes indicadorescomo el Hipervolumen o la Relación de Cobertura, yestadísticas como la Sensibilidad, el Valor de PrediccionesPositivas, el Coeficiente de Rendimiento o elCoeficiente de Correlación. Como veremos, nuestroalgoritmo logra buenos resultados paralelos, ademásde resultados biológicamente relevantes.Este documento se organiza de la siguiente forma.En la siguiente sección explicamos brevemente elPDM. En la Sección III describimos los algoritmospresentados en este trabajo y detallamos comolos hemos paralelizado. La Sección IV muestralos resultados obtenidos por nuestras propuestas,comparándolas con varios algoritmos y métodosbiológicos. Finalmente, la Sección V incluye variasconclusiones obtenidas tras la elaboración de estetrabajo.II. Problema del Descubrimiento de MotifsEl Problema del Descubrimiento de Motifs (PDM)trata de resolver de forma óptima el problema quesupone predecir motifs, aplicado a la tarea específicade descubrir nuevos Puntos de Unión de Factores deTranscripción (TFBS) en secuencias de ADN [1]. LosTFBSs y otros elementos genéticos con una estructuray función específica son conocidos con el nombrede motifs. Para descubrir motifs de una ciertarelevancia biológica debemos satisfacer unos objetivosconcretos a la vez que cumplir ciertas restricciones.Nosotros hemos afrontado el PDM definiendotres objetivos: el tamaño, el soporte y la simila-JP2011-3