面向生物信息的网格工作流开发与运行环境

doi:10.3778/j.issn.1673-9418.2010.03.010

计算机科学与探索 ›› 2010, Vol. 4 ›› Issue (3): 275-282.DOI: 10.3778/j.issn.1673-9418.2010.03.010

面向生物信息的网格工作流开发与运行环境

周超+，孙海龙，胡春明，葛在兴

北京航空航天大学计算机学院，北京 100191

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2010-03-15 发布日期:2010-03-15
通讯作者: 周超

Grid Workflow Development and Execution Environment for Bioinformatics Applications

ZHOU Chao+， SUN Hailong， HU Chunming， GE Zaixing

School of Computer Science， Beihang University， Beijing 100191， China

Received:1900-01-01 Revised:1900-01-01 Online:2010-03-15 Published:2010-03-15
Contact: ZHOU Chao

摘要/Abstract

摘要： 网格工作流系统通过组合网格计算结点上的资源为生物计算等领域的复杂计算任务提供了支持。为了解决已有系统中用户需要对流程语言细节有较深入了解以及操作和配置较为复杂等问题，设计和实现了面向生物信息领域的网格工作流开发与运行环境。生物信息领域的用户使用该系统，可以通过web的方式实现对生物计算模型较高抽象层次的在线流程设计、流程作业的提交、作业状态的管理以及计算结果的查看等操作。最后通过生物计算领域的基因计算任务说明了系统对生物信息学应用的支撑功能。

关键词: 生物信息学, 网格, 工作流

Abstract: Grid workflow system aims at orchestrating resources on the grid sites to support complex application in fields such as biology information. Existing systems demand that the users have a good knowledge of business process languages； it is hard to configure and use these systems to design business process model. To solve this problem， a bioinformatics-oriented integrated development and execution system is designed and implemented. Biologists can design process model and submit jobs， monitor the process state and view the computation result through web. At the end， gene computation is used to describe the usage of the system.

Key words: bioinformatics, grid, workflow

中图分类号:

TP301

周超+，孙海龙，胡春明，葛在兴. 面向生物信息的网格工作流开发与运行环境[J]. 计算机科学与探索, 2010, 4(3): 275-282.

ZHOU Chao+， SUN Hailong， HU Chunming， GE Zaixing. Grid Workflow Development and Execution Environment for Bioinformatics Applications[J]. Journal of Frontiers of Computer Science and Technology, 2010, 4(3): 275-282.

[1]	田颖，桂彦，熊达铭. 动态外观模型和高阶能量的双边视频目标分割方法[J]. 计算机科学与探索, 2020, 14(12): 2108-2121.
[2]	胡健，徐锴滨，毛伊敏. 基于加权网格和信息熵的并行密度聚类算法[J]. 计算机科学与探索, 2020, 14(12): 2094-2107.
[3]	陈彦橦，裴树军，苗辉. 云科学工作流截止期限约束代价优化调度算法[J]. 计算机科学与探索, 2019, 13(8): 1307-1318.
[4]	崔美玉，万静，何云斌，李松. 障碍空间中基于网格的不确定数据聚类算法[J]. 计算机科学与探索, 2019, 13(3): 408-417.
[5]	谢纪东，武继刚. 间隔执行的异步副本放置策略[J]. 计算机科学与探索, 2018, 12(8): 1339-1349.
[6]	武海鹏，文敏华，SEE Simon，林新华. 激光等离子体相互作用模拟的并行和加速研究[J]. 计算机科学与探索, 2018, 12(4): 550-558.
[7]	郑澎，方维，徐权，冷珏琳，熊敏，于长华. 面向JAUMIN的并行AFT四面体网格生成[J]. 计算机科学与探索, 2018, 12(4): 567-574.
[8]	景翠萍，廖丽，王伟. 面向非结构网格应用并行程序的编程工具[J]. 计算机科学与探索, 2018, 12(2): 252-262.
[9]	翟治年，卢亚辉，余法红，高慧敏. 工作流可满足决策（≠）的完备独立树分解回溯法[J]. 计算机科学与探索, 2018, 12(12): 2021-2032.
[10]	李向东，张少波，郭敏，王国军. 基于网格的位置隐私保护方法[J]. 计算机科学与探索, 2017, 11(8): 1258-1268.
[11]	孟凡琨，巨永锋，文常保 . 随机网格回归Monte Carlo双UAVs最优目标协调跟踪[J]. 计算机科学与探索, 2017, 11(3): 450-458.
[12]	车庆首，李传文，张轶，邓庆绪. GAPI：GPU加速的移动对象并行索引方法[J]. 计算机科学与探索, 2017, 11(11): 1713-1722.
[13]	孙亚男，杜玉越，刘伟. 高速公路冰雪应急流程挖掘与模型改进方法[J]. 计算机科学与探索, 2015, 9(12): 1523-1530.
[14]	杨帆，沈来信. 基于改进弹性网格的古民居指纹分类算法[J]. 计算机科学与探索, 2015, 9(10): 1263-1270.
[15]	姚华传，王丽珍，陈红梅，邹目权. 面向海量数据的空间co-location模式挖掘新算法[J]. 计算机科学与探索, 2015, 9(1): 24-35.

面向生物信息的网格工作流开发与运行环境

Grid Workflow Development and Execution Environment for Bioinformatics Applications

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics