TY - JOUR A1 - Schäfer, Marco A1 - Jetschni, Christian A1 - Wang, Chong A1 - Pospisil, Heike T1 - Optimierung des Rekonstruktions-Tools TSNI für genregulatorische Netzwerke mittels Parallelisierung und ein Vergleich mit Time Delay ARACNE TI - Wissenschaftliche Beiträge 2019 N2 - Gegenstand dieser Veröfffentlichung ist eine Reimplementierung des TSNI (Time Series Network Identification)-Tools zur Rekonstruktion von genregulatorischen Netzwerken aus Zeitserien von Gen-Expressionsprofilen. Das auf gewöhnlichen Differentialgleichungen basierende Tool wurde algorithmisch verbessert und an die Verarbeitung großer Datensätze angepasst. Durch Ausschöpfung des Potentials moderner Multi-CPU und GPU-Architekturen wurden die erforderlichen Berechnungen erheblich beschleunigt. Bei der Überführung des mit Matlab implementierten Tools in die Programmiersprache C wurde zudem die ­Bedienbarkeit verbessert. Durch Einsatz der GPU-beschleunigten Mathematik-Bibliothek MAGMA konnten unter Verwendung eines normalen Desktop-Rechners Leistungssteigerungen um das 18,7-fache bei 11.000 Genen verzeichnet werden. Darüber hinaus rekonstruierte das verbesserte TSNI weitaus mehr biologisch richtige Beziehungen als vergleichbare Anwendungen. N2 - The purpose of this work was to optimize a tool for analyzing biological high-throughput data and to generate gene regulatory networks, which are based on ordinary differential equations. For this task the Time Series Network Indentification (TSNI) - tool has been selected. The TSNI-algorithm has been optimized and transferred into the programming language C. Computationally intensive sections were parallelized using modern multi-core CPU and GPU architectures as well as functions from the MAGMA-library for the solution and parallelization of more complex mathematical problems. The performance of the algorithm was significantly increased (e.g. the calculation of a network of more than 11.000 genes was 18.7-fold faster with the improved tool compared to the original algorithm). So, large regulatory networks can now be ­analysed in a moderate time. Additionally, more true positive network connections were predicted using the adjusted TSNI - tool. Y1 - 2019 UR - https://opus4.kobv.de/opus4-th-wildau/frontdoor/index/index/docId/1076 UR - https://nbn-resolving.org/urn:nbn:de:kobv:526-opus4-10767 SN - 0949-8214 VL - 23 SP - 7 EP - 10 ER -