模体发现的 Map-Reduce 并行化

模体发现是当今生物信息学中最具挑战性的问题之一。DNA 序列模体在基因调控分析中变得日益重要。模体是 DNA 中具有生物功能的短重复模式；例如，它们指示转录因子（TFs）和核酸酶的结合位点。目前有许多顺序运行的模体发现算法，其顺序特性阻碍了这些算法的并行化。HOMER 就是这样一种模体发现工具，我们决定使用它来克服这一局限。为此，我们提出了一种利用 HOMER 进行模体发现的新方法，对该任务进行了并行化处理。并行化版本有望提供更好的可扩展性和性能。为实现这一目标，我们决定采用子抽样和 Map-Reduce 模型。在每个 Map 节点，输入 DNA 序列的子抽样版本被用作 HOMER 的输入。每个 map 节点的子抽样采用不同的参数执行，以确保没有两个 HOMER 实例接收相同的输入。Map 阶段的输出和 Reduce 阶段的输入是使用子抽样序列发现的模体列表。Reduce 阶段计算众数，即最频繁的模体，并将其作为最终发现的模体输出。我们发现，这种执行模型带来了微小的速度提升，但在发现的模体质量上造成了 substantial amount 的损失。