دانلود رایگان مقاله انگلیسی ترکیب رایانش لبه ای و ابری برای تحلیل متاژنومیکس کم قدرت و مقرون به صرفه - الزویر 2019

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

ترکیب رایانش لبه ای و ابری برای تجزیه و تحلیل متاژنومیکس کم قدرت و مقرون به صرفه

عنوان انگلیسی

Combining Edge and Cloud Computing for Low-Power, Cost-Effective Metagenomics Analysis

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

27

سال انتشار

2019

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

رفرنس

دارد

پایگاه

اسکوپوس

کد محصول

E9424

رشته های مرتبط با این مقاله

کامپیوتر، فناوری اطلاعات

گرایش های مرتبط با این مقاله

رایانش ابری، هوش مصنوعی، شبکه های کامپیوتری، اینترنت و شبکه های گسترده

مجله

نسل آینده سیستم های کامپیوتری - Future Generation Computer Systems

دانشگاه

Institute for Applied Mathematics and Information Technologies “E. Magenes” - National Research Council of Italy - Genoa - Italy

کلمات کلیدی

متاژنومیکس؛ ژنومیک محیطی؛ محاسبات لبه؛ محاسبات ابری؛ اینترنت اشیا؛ اینترنت اشیا زندگی

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.future.2018.07.036

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

چکیده

Abstract

Metagenomic studies are becoming increasingly widespread, yielding important insights into microbial communities covering diverse environments from terrestrial to aquatic ecosystems. This also because genome sequencing is likely to become a routinely and ubiquitous analysis in a near future thanks to a new generation of portable devices, such as the Oxford Nanopore MinION. The main issue is however represented by the huge amount of data produced by these devices, whose management is actually challenging considering the resources required for an efficient data transfer and processing. In this paper we discuss these aspects, and in particular how it is possible to couple Edge and Cloud computing in order to manage the full analysis pipeline. In general, a proper scheduling of the computational services between the data center and smart devices equipped with low-power processors represents an effective solution.

نتیجه گیری

5. Conclusion and Future Development

Metagenomic studies are becoming increasingly widespread, yielding important insights into microbial communities covering diverse environments from terrestrial to aquatic ecosystems. With the advent of high-throughput sequencing platforms, the use of large scale shotgun sequencing approaches is now commonplace.

In a previous work we discussed an architecture and the performance of a prototype based on low-power Systems-On-Chip for metagenomic analysis able to support a fixed number of routinely analysis per day. In this paper we presented an evolution of such architecture, which supports the possibility to dynamically increase or decrease the sampling rate when critical situations occur. We analyzed four different strategies and we concluded that, while the previous architecture is an effective solution when a single analysis per device is performed every day, the best solution when the frequency increases - considering both cost and performance - is to “move” computational services from the Edge to the Fog or Cloud infrastructures, depending on the available Internet connection.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi