High-Performance Algorithms for Mass Spectrometry-Based Omics

تا به امروز، پردازش داده های طیف سنجی جرمی (MS) با توان عملیاتی بالا با استفاده از الگوریتم های سریال انجام می شود. توسعه روش‌های جدید برای پردازش داده‌های MS یک حوزه فعال تحقیقاتی است، اما هیچ استراتژی واحدی وجود ندارد که بر مقیاس‌پذیری روش‌های مبتنی بر MS تمرکز کند.

طیف‌سنجی جرمی یک فناوری متنوع و همه‌کاره برای شناسایی عملکردی با کارایی بالا پروتئین‌ها، مولکول‌های کوچک و متابولیت‌ها در مخلوط های بیولوژیکی پیچیده در سال‌های اخیر، این فناوری به سرعت تکامل یافته است و اکنون قادر به تولید مجموعه داده‌های بزرگ (چند ترا بایت در هر آزمایش) و پیچیده (چند گونه / میکروبیوم / با ابعاد بالا) است. این پیشرفت سریع در ابزار دقیق MS باید با تکامل به همان اندازه سریع و سریع روش‌های مقیاس‌پذیر توسعه‌یافته برای تجزیه و تحلیل این مجموعه داده‌های پیچیده مطابقت داشته باشد. در حالت ایده‌آل، روش‌های جدید باید از منابع محاسباتی ناهمگن و غنی موجود به شکلی فراگیر به شکل معماری‌های چند هسته‌ای، چند هسته‌ای، CPU-GPU، CPU-FPGA و IntelPhi استفاده کنند.

غیبت این الگوریتم‌های محاسباتی با کارایی بالا اکنون مانع پیشرفت‌های علمی برای تحقیقات طیف‌سنجی جرمی می‌شود. در این کتاب ما نیاز به الگوریتم‌های محاسباتی با کارایی بالا برای پروتئومیکس مبتنی بر MS و پروتئوژنومیکس را نشان می‌دهیم و پیشرفت خود را در توسعه این الگوریتم‌های با کارایی بالا نشان می‌دهیم.

To date, processing of high-throughput Mass Spectrometry (MS) data is accomplished using serial algorithms. Developing new methods to process MS data is an active area of research but there is no single strategy that focuses on scalability of MS based methods.

Mass spectrometry is a diverse and versatile technology for high-throughput functional characterization of proteins, small molecules and metabolites in complex biological mixtures. In the recent years the technology has rapidly evolved and is now capable of generating increasingly large (multiple tera-bytes per experiment) and complex (multiple species/microbiome/high-dimensional) data sets. This rapid advance in MS instrumentation  must  be matched by equally fast and rapid evolution of scalable methods developed for analysis of these complex data sets. Ideally, the new methods should leverage the rich heterogeneous computational resources available in a ubiquitous fashion in the form of  multicore,  manycore,  CPU-GPU, CPU-FPGA, and IntelPhi architectures.

The absence of these high-performance computing algorithms now hinders scientific advancements for mass spectrometry research. In this book we illustrate the need for high-performance computing algorithms for MS based proteomics, and proteogenomics and showcase our progress in developing these high-performance algorithms.