@misc{SchaeferJetschniWangetal.2019, author = {Sch{\"a}fer, Marco and Jetschni, Christian and Wang, Chong and Pospisil, Heike}, title = {Optimierung des Rekonstruktions-Tools TSNI f{\"u}r genregulatorische Netzwerke mittels Parallelisierung und ein Vergleich mit Time Delay ARACNE}, series = {Wissenschaftliche Beitr{\"a}ge 2019}, volume = {23}, journal = {Wissenschaftliche Beitr{\"a}ge 2019}, issn = {0949-8214}, doi = {10.15771/0949-8214_2019_1}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:526-opus4-10767}, pages = {7 -- 10}, year = {2019}, abstract = {Gegenstand dieser Ver{\"o}fffentlichung ist eine Reimplementierung des TSNI (Time Series Network Identification)-Tools zur Rekonstruktion von genregulatorischen Netzwerken aus Zeitserien von Gen-Expressionsprofilen. Das auf gew{\"o}hnlichen Differentialgleichungen basierende Tool wurde algorithmisch verbessert und an die Verarbeitung großer Datens{\"a}tze angepasst. Durch Aussch{\"o}pfung des Potentials moderner Multi-CPU und GPU-Architekturen wurden die erforderlichen Berechnungen erheblich beschleunigt. Bei der {\"U}berf{\"u}hrung 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. Dar{\"u}ber hinaus rekonstruierte das verbesserte TSNI weitaus mehr biologisch richtige Beziehungen als vergleichbare Anwendungen.}, language = {de} }