Description du projet
Des algorithmes de calcul innovants basés sur la technologie de traitement en mémoire
Le séquençage à haut débit (HTS pour «high-throughput sequencing») de l’ADN et de l’ARN constitue un élément indispensable de la recherche, du développement et du système de santé. Le séquençage individuel du génome est utilisé dans le cadre de la médecine préventive et personnalisée: les technologies HTS permettent d’identifier les mutations génétiques liées aux maladies rares, les sous-types de cancer, ainsi que les infections et la résistance aux antibiotiques. La recherche génomique a besoin de technologies rapides, économes en énergie et rentables, sans faire appel aux centres de données et aux plateformes cloud. Le projet BioPIM, financé par l’UE, entend développer une informatique de périphérie puissante, basée sur les technologies émergentes de traitement en mémoire (PIM pour «processing-in-memory»). Le projet se concentrera sur la conception d’algorithmes et de structures de données bio-informatiques et sur plusieurs types d’architectures PIM, en vue d’atteindre une efficacité élevée en termes de coûts, d’énergie et de temps.
Objectif
Low cost, high throughput DNA and RNA sequencing (HTS) data is now the main workforce for various genomics and transcriptomics applications. HTS technologies have already started to impact a broad range of research and clinical use for the life sciences. These include, but are not limited to 1) large-scale sequencing studies for population genomics and disease-causing mutation discovery including cancer, 2) metagenomics, 3) comparative genomics, 5) transcriptome profiling, and 6) outbreak detection and tracking including COVID-19, Ebola, and Zika. HTS also impacts the whole health care system in several directions. Although there is still much room for improvement, sequencing of personal genomes is now becoming a part of preventive and personalized medicine as HTS technologies make it possible to 1) identify genetic mutations that enable rare disease diagnosis, 2) determine cancer subtypes therefore guiding treatment options, and 3) characterize infections and antibiotic resistance. Currently all genomics data are processed in energy-hungry computer clusters and data centers, which also necessitate the transfer of data via the internet, which also consumes substantial amounts of energy and wastes valuable time. Therefore there is a need for fast, energy-efficient, and cost-efficient technologies that enable all forms of genomics research without requiring data centers and cloud platforms. In this project we aim to leverage the emerging processing-in-memory (PIM) technologies to enable such powerful edge computing. We will focus on co-designing algorithms and data structures commonly used in bioinformatics together with several types of PIM architectures to obtain the highest benefit in cost, energy, and time savings. BioPIM will also impact other fields that employ similar algorithms. Our designs and algorithms will not be limited to cheap hardware, and they will impact computation efficiency on all forms of computing environments including cloud platforms.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
- sciences naturellesinformatique et science de l'informationinternet
- sciences naturellessciences biologiquesgénétiquemutation
- sciences médicales et de la santémédecine cliniqueoncologie
- sciences naturellessciences biologiquesgénétiqueARN
- sciences socialeséconomie et affairesentreprise et gestionemploi
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Régime de financement
HORIZON-EIC - HORIZON EIC GrantsCoordinateur
06800 Bilkent Ankara
Turquie