KR100489955B1 - 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법 - Google Patents

사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법 Download PDF

Info

Publication number
KR100489955B1
KR100489955B1 KR10-2002-0060678A KR20020060678A KR100489955B1 KR 100489955 B1 KR100489955 B1 KR 100489955B1 KR 20020060678 A KR20020060678 A KR 20020060678A KR 100489955 B1 KR100489955 B1 KR 100489955B1
Authority
KR
South Korea
Prior art keywords
database
user
sequence
queue
user request
Prior art date
Application number
KR10-2002-0060678A
Other languages
English (en)
Other versions
KR20040031291A (ko
Inventor
김재훈
김민준
이성준
임성화
박상민
이수진
Original Assignee
아주대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR10-2002-0060678A priority Critical patent/KR100489955B1/ko
Publication of KR20040031291A publication Critical patent/KR20040031291A/ko
Application granted granted Critical
Publication of KR100489955B1 publication Critical patent/KR100489955B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F5/00—Methods or arrangements for data conversion without changing the order or content of the data handled
    • G06F5/06—Methods or arrangements for data conversion without changing the order or content of the data handled for changing the speed of data flow, i.e. speed regularising or timing, e.g. delay lines, FIFO buffers; over- or underrun control therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스 처리 방법에 관한 것으로서, 생물정보학 관련 서열정보를 저장하는 데이터베이스와 연동하고 일정 통신 네트워크를 통해 각 사용자 단말과 접속하는 서버에서 상기 데이터베이스를 처리하는 방법에 관한 것이다.
이러한 본 발명은, 사용자 단말로부터 서비스 요청된 서열을 수신하여 큐에 저장하고, 일정 주기 D마다 현재 큐에 저장되어 있는 사용자 요청을 전달한 후 큐를 초기화함으로써 사용자 요청을 그룹핑하는 사용자 요청 접수단계; 및 사용자 요청 접수단계에서 전달되는 사용자 요청을 수신하면 데이터베이스를 한번 액세스한 후, 수신한 각 사용자 요청의 서열을 데이터베이스에서 액세스한 서열과 비교/분석하는 서열 비교/분석 단계를 포함하는 것을 특징으로 한다.
본 발명을 사용하면, 한 주기 동안 모아진 사용자 요청을 다음 주기에 일괄적으로 처리하되, 주기마다 단 한번만 데이터베이스를 액세스하므로 생물정보학 관련 정보를 제공하는 시스템의 비용을 줄일 수 있다. 이에 따라 종래의 방식에 비해서 많은 사용자 요청을 처리할 수 있게 되는 효과가 있다.

Description

사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스 처리 방법{ Method to handle database for Bioinformatics using user grouping }
본 발명은 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스 처리 방법에 관한 것으로서, 특히 생물정보학 관련 서열정보를 기록하는 데이터베이스를 액세스(access)할 때는 일정 주기마다 한번만 액세스하고, 이 주기마다 모아진 사용자 요청을 일괄적으로 처리하도록 함으로써, 데이터베이스의 액세스 회수를 줄여 응답시간과 시스템 비용을 줄일 수 있도록 한 방법에 관한 것이다.
21세기 초에 인간 유전자 프로젝트의 성공적인 수행은 모든 생명과학 분야의 급속한 발전을 야기하였으며, 이러한 인간 유전체 지도의 완성으로 전개되는 유전자 이후시대(Post Genom)에는 인간의 모든 유전자와 유전자의 발현으로 생성되는 단백질들의 구조와 기능에 관한 연구가 활발히 수행될 것이다. 컴퓨터가 0과 1로 표현되는 정보를 저장하고 있듯이, 인간의 유전자는 A, T, G, C라는 네개의 문자로 표현된 약 30억개의 정보를 저장하고 있다. 연구가 진행되면서 막대한 디지털 정보가 축적되고 있으며, 웹(Web)을 통해 공개된 생물정보학 관련 데이터베이스도 SwissProt, GenBank, EMBL 등 매우 많다.
이러한 생물정보학 관련 데이터베이스를 사용자 요청에 따라 검색하여 비교하고 알맞은 유전자 정보를 찾아주는 다양한 프로그램이 있는데, A, T, G, C로 이루어진 데이터를 비교 검색하여 서열 비교를 수행하는 FastA, Blast, ClustalW 등의 패턴 매치 프로그램과 데이터의 서열로부터 구조를 예측하는 J-NET이나 J-PRED와 같은 프로그램으로 나뉜다.
미래의 생물학자는 실험보다는 프로그램를 활용한 정보 분석에 더 많은 시간을 투자해야 할 것으로 전망하는 견해가 많다. 유전자 이후 시대의 생물정보학이 단순히 데이터 제공 서비스 이외에 유전자 자체의 완전한 이해를 그 목적으로 하게 되었다는 것을 의미하는 것이다. 이는 프로그램의 더 강력한 기능과 컴퓨팅 파워에 대한 요구의 증대와 연관이 있다. 또한, 생물정보학에서 사용되는 데이터베이스는 연구가 진행됨에 따라 데이터의 크기가 기하급수적으로 커지고 있다. 이런 데이터베이스 크기의 증대는 생물정보학에서 데이터베이스의 효율적인 사용을 더욱 중요하게 부각시키고 있다.
종래에 사용되고 있는 FastA나 Blast 등의 프로그램들은 웹을 통해 서비스되며, 사용자가 서버에 접속하여 비교하고자 하는 단백질 서열을 전송한다. 그러면 서버는 데이터베이스에서 서열을 읽어들여 사용자가 요청한 서열과 비교한다. 이러한 프로그램들은 데이터베이스 기반으로 작동한다. 즉, 매번 사용자의 요청마다 데이터베이스를 액세스하여 데이터를 읽은 후 사용자의 요구에 응답을 해야 한다. 예로서 FastA의 경우 사용자는 비교/분석하고 싶은 서열을 FastA 서버에 전송한다. 전송되는 사용자 서열은 데이터베이스에 저장되어 있는 각각의 서열과 비교되어 유사도가 검사되고 일정치 이상의 유사도를 갖는 서열을 사용자에게 돌려준다. 이때 서버는 모든 사용자 요청 각각에 대해서 데이터베이스를 액세스한다.
이하에서 '사용자 요청'이라 함은 사용자가 서비스를 받기 위하여 보내는 서열정보를 의미하는 것으로 사용하기로 한다.
도 1을 참조하여 이러한 절차를 통해 서비스할 때의 비용을 설명하기로 한다. 여기서 CDB는 사용자 요청이 왔을 때 데이터베이스를 한번 액세스하는 비용이며, Cseq는 데이터베이스에서 읽어들인 모든 서열과 사용자가 요청한 서열을 비교 분석하는 비용이다. 즉, 하나의 사용자 요청 Rn(n = 1, 2, 3, ...)에 대해서 서버는 CDB+Cseq 만큼의 비용이 소요된다. 이러한 종래의 구조에서는 현재 처리되고 있는 사용자 요청이 없을 때는 사용자 요청이 이루어지면 즉시 사용자 요청을 처리하고, 이미 다른 사용자 요청이 처리되고 있을 때는 새로 발생한 사용자 요청은 순서대로 큐(Queue)에 등록된다. 도 1에서 요청 R2는 R1이 처리되는 동안 발생 하였기 때문에 R2는 큐에 등록되고, R1의 처리가 모두 끝나는 시점에서 처리됨과 동시에 큐에서 제거된다.
데이터베이스에서 한 블럭을 읽어들일 때 소요되는 디스크 액세스 시간을 Cio, 데이터베이스에 저장되어 있는 전체 서열의 개수를 Nb, 데이터베이스에서 읽어들인 하나의 단백질 서열과 사용자가 요청한 단백질 서열간의 비교 시간, 즉 프로세싱 시간을 Ccpu로 정의하기로 한다. 서버는 하나의 사용자 요청 단백질 서열을 비교할 때마다 데이터베이스의 모든 내용을 메모리로 가져와야 한다. 이때 걸리는 시간은 데이터베이스를 한번 액세스하는 시간과 데이터베이스에 저장되어 있는 전체 서열 개수의 곱과 같다. 한 블럭을 읽어들일 때의 시간은 모두 같다고 가정하면 액세스 시간(CDB)는 아래의 수학식 1과 같이 나타낼 수 있다.
CDB는 데이터베이스의 모든 서열을 액세스하는 시간이며, 데이터베이스 검색을 위한 디스크 액세스 시간이다. 그리고, 각 서열간의 비교 시간은 사용자가 요청한 하나의 서열을 데이터베이스에서 읽은 비교 대상 서열과 비교하는 시간(Cseq)이 된다. 데이터베이스의 모든 서열과 사용자 요청 서열을 비교하는 시간은 다음의 수학식 2와 같이 나타낼 수 있다.
그러면, 한 사용자가 서버에 접속하여 하나의 단백질 서열을 비교하는데 걸리는 평균시간()은 수학식 1과 수학식 2를 더한 시간으로서 다음의 수학식 3과 같이 나타낼 수 있다.
종래의 방법에 대한 응답시간을 설명하기로 한다. 이 때, 사용자 요청은 발생율 의 포아송과정(Poisson process)이라 가정하기로 한다. 서버가 하나의 사용자 요청을 처리하고 있을 때 다른 사용자 요청이 발생하면 새로운 사용자 요청은 큐에 등록된다. 즉, 사용자 요청들은 발생한 순서대로 큐에 등록되고, 큐에 등록된 순서대로 순차적으로 서비스된다. 모든 요청의 서비스 비용이 같다고 가정하면 M/G/1 큐잉 모델이 된다.
서비스 시간 은 단일 사용자 요청을 처리하는 시간과 같다. 즉, 서비스 시간 은 하나의 사용자 요청이 서비스를 받는 평균비용()이 된다. 여기서 서비스율 는 로 표시된다. 사용자 요청 발생율()과 서비스율()을 M/G/1 큐잉 모델의 응답시간에 대입해 본 결과는 다음의 수학식 4와 같다.
위에서 설명한 바와 같이, 종래의 방법을 사용하면 각 사용자 요청에 대하여 매번 데이터베이스의 검색을 수행해야 하므로 많은 시스템 비용이 소요된다. 또한 서버에 과부하를 초래하여 응답시간이 길어질 수 있다.
이에 본 발명은 상기와 같은 문제점을 해결하기 위하여 제안된 것으로서, 생물정보학 관련 서열정보를 기록하는 데이터베이스를 액세스(access)할 때는 일정 주기마다 한번만 액세스하고, 이 주기마다 모아진 사용자 요청을 일괄적으로 처리하도록 함으로써, 데이터베이스의 액세스 회수를 줄여 응답시간과 시스템 비용을 줄일 수 있는 방법을 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명에 따른 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스 처리 방법은, 생물정보학 관련 서열정보를 저장하는 데이터베이스와 연동하고 일정 통신 네트워크를 통해 각 사용자 단말과 접속하는 서버에서, 상기 각 사용자 단말로부터 서비스 요청된 서비스 대상 서열을 상기 데이터베이스의 서열과 비교/분석하기 위하여 상기 데이터베이스를 처리하는 방법에 관한 것이다.
이러한 본 발명은, 상기 사용자 단말로부터 서비스 대상 서열을 수신하여 큐(Queue)에 저장하고, 일정 주기 D마다 현재 상기 큐에 저장되어 있는 서비스 대상 서열을 전달한 후 상기 큐를 초기화함으로써, 사용자 요청을 그룹핑(grouping)하는 사용자 요청 접수단계; 및 상기 사용자 요청 접수단계에서 전달되는 서비스 대상 서열을 수신하면 상기 데이터베이스를 한번 액세스(access)한 후, 상기 수신한 각 서비스 대상 서열을 상기 데이터베이스에서 액세스한 서열과 비교/분석하는 서열 비교/분석 단계를 포함하는 것을 특징으로 한다.
이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명하기로 한다.
도 2를 참조하여 본 발명이 적용되는 시스템의 개요를 설명하자면, 본 발명에 따라 생물정보학 관련 서열정보에 대한 비교/분석 서비스를 제공하는 주체는 서버(3)이다. 이 서버(3)는 생물정보학 관련 서열정보를 저장하는 데이터베이스(4)와 연동하고, 일정 통신 네트워크(2)를 통해 각 사용자 단말(1:클라이언트)과 접속한다. 여기서 통신 네트워크(2)는 인터넷망인 것이 바람직하다.
각 사용자들은 자신이 비교하기 원하는 서비스 대상 서열을 서버(3)로 전송하여 서열의 비교/분석을 요청하며, 서버(3)는 사용자가 요청한 서열을 데이터베이스(4)에 저장되어 있는 서열과 비교/분석하여 그 결과를 해당 사용자 단말로 보내준다. 본 발명은 데이터베이스(4)를 액세스하는 방법에 그 핵심이 있는 것이며, 서버(3)에서 수행하는 비교 및 분석 방법은 종래에 각 서버에서 이루어지고 있는 방법과 동일한 것이므로 비교 및 분석과 관련한 상세 설명은 생략하기로 한다.
도 3을 참조하여 본 발명의 바람직한 실시예를 설명하기로 한다.
본 발명은 사용자의 단말(1)과 접속하여 사용자의 요청을 접수하는 사용자 요청 접수단계(S10)와, 데이터베이스(4)를 액세스하고 사용자가 요청한 서열과 비교/분석하는 서열 비교/분석단계(S20)로 이루어질 수 있으며, 사용자 요청 접수단계(S10)와 서열 비교/분석단계(S20)는 서버(3)에 설치되는 사용자 요청 접수용 프로그램(3-1)과 서열 비교/분석용 프로그램(3-2)에 의하여 각각 구현될 수 있다.
서버(3)에는 일정 주기 D가 설정되어 있으며(S11), 사용자 요청 접수용 프로그램(3-1)은 통신 네트워크(2)를 통해 연결되는 사용자 단말(1)로부터 서비스 대상 서열정보를 수신하여 큐(Queue)에 저장한다(S12). 또한, 주기 D마다 현재 큐에 저장되어 있는 서비스 대상 서열을 비교/분석용 프로그램(3-2)에 전달한 후 큐를 초기화하여 사용자 요청을 그룹핑(grouping)한다(S13 내지 S15).
한편, 서열 비교/분석용 프로그램(3-2)은 사용자 요청 접수용 프로그램(3-1)으로부터 사용자가 요청한 서비스 대상 서열이 전달되면, 데이터베이스(4)를 한번 액세스(access)한 후(S21), 수신한 각 서비스 대상 서열을 데이터베이스(4)에서 액세스한 각 서열과 비교/분석한다(S22). 그리고 비교/분석된 결과는 통신 네트워크(2)를 통해 해당 사용자 단말(1)로 전달된다.
즉, 본 발명에 따르면 사용자의 요청을 그룹핑하고, 데이터베이스는 일정 주기마다 한번만 액세스하므로 같은 데이터가 여러 번 액세스되는 것을 줄여서 처리비용과 응답시간을 향상시킬 수 있는 것이다.
도 4를 참조하여 본 발명에 따른 사용자 그룹핑을 구체적으로 설명하기로 한다. 여기서 R1, R2, R3, R4,..., Rn은 사용자 요청을 나타낸다. 사용자가 요청한 서비스 대상 서열은 큐에 저장되어 있다가 다음 주기에 처리된다. 사용자 요청은 주기 D동안 그룹핑되므로 다른 요청이 없어도 서비스를 받기까지 최대 D동안 지연되는 단점을 가진다. 그러나 주기 D동안 모아진 사용자 요청이 서비스 될 때 데이터베이스를 한번만 액세스하며, 이 액세스된 데이터를 이용하여 그룹핑된 요청을 모두 처리하므로 사용자의 요청이 빈번한 경우에는 데이터베이스를 액세스하는 회수를 현저히 절약할 수 있다.
또한, 이전 주기에서의 사용자 요청이 많을 경우에는 처리시간이 기 규정된 주기 D보다 커질 수 있고 이번 주기를 증가시켜야 한다. 그러므로, 일정 주기 D동안 저장되는 사용자 요청을 처리하는 전체 시간이 주기 D보다 짧다는 것을 가정하고, 주기 D는 하나의 사용자 요청을 처리하는 시간보다 길다는 것을 가정하면, 다음의 수학식 5와 같이 나타낼 수 있다.
이제 본 발명을 이용할 때의 비용을 계산해보기로 한다.
일정 주기 D동안 모아진 사용자의 요청을 한번에 처리할 때 소요되는 시스템 비용은 CPU 시간과 디스크(데이터베이스) 액세스 시간의 합으로 표시된다. 이를 수식으로 표현하면 다음의 수학식 6과 같이 나타낼 수 있다. 여기서 는 주기 D동안 도착한 평균 사용자 요청의 수이다.
즉, 본 발명에 따라 사용자 요청을 그룹핑할 때 한 사용자에게 하나의 요청을 서비스하기 위한 시스템 비용은 다음과 같이 나타낼 수 있다.
수학식 7은 주기 D동안 사용자 요청이 있어야만 가능하다. 사용자 요청이 없을 때 서버는 이를 검사하여 데이터베이스를 액세스하지 않는다면 더 좋은 성능을 기대할 수 있다.
주기 D동안 포아송 과정으로 발생하는 사용자 요청이 있을 확율은 가 되는데, 주기 D동안 사용자 요청이 있을 경우에만 데이터베이스를 액세스하므로 그룹핑 방식에서 한 사용자가 하나의 요청을 서비스 받는데 드는 평균비용은 다음의 수학식 8과 같다.
본 발명을 이용할 때의 응답시간을 설명하자면, 사용자 요청이 주기 D동안 만큼 도착하게 되며, 기다리는 주기 D동안 사용자 요청이 대기하는 시간의 평균은 D동안 발생하는 요청들이 지연되는 시간의 평균과 같다. 지연되는 값의 평균은 D/2가 된다.
도 5에서 체크 무늬 부분은 데이터베이스에서 한개의 서열 데이터베이스를 액세스하는데 소요되는 시간이다. 그리고 데이터베이스로부터 얻는 하나의 서열을 모든 요청에 대해서 처리하는 시간은 로 나타낼 수 있다. 사용자 요청에 대해서 응답을 하는 시간은 D동안 발생한 개의 요청이 모두 처리된 시간이 된다. 즉, 평균 응답시간은 다음의 수학식 9와 같이 전 주기동안 모인 사용자 요청이 대기하는 시간과 사용자 요청의 모든 처리가 끝난 시간의 합이 된다.
이제 종래의 방법과 본 발명을 이용한 경우에 대하여 성능을 비교해보기로 한다.
각 방법은 사용자 요청의 도착율 에 대해서 임계값을 갖는데, 도착율 의 임계값은 서버의 사용율이 1보다 적은 조건을 만족하는 최대의 도착율 를 나타낸다. 서버의 사용율은 사용자 요청의 도착율과 서버가 각 방식을 사용해서 하나의 사용자 요청을 처리하는 평균비용의 곱으로 나타낼 수 있다. 이 값이 1보다 작을 경우 서비스가 가능한 것이다. 물론 데이터베이스 액세스와 CPU 사용을 동시에 할 수 있는 기법을 이용하면 서버의 사용율을 1보다 높일 수 있다. 서열 비교를 순차적으로 수행하는 방식을 가정하고, 각 방식에서의 임계값을 구해보면 다음과 같다.
1) 종래 방식
종래의 방식에서 하나의 사용자 요청을 처리하는 평균비용은 수학식 3과 같이 나타낼 수 있다. 이를 식으로 나타내면 과 같다. 즉, 종래의 방식에서 의 임계값은 다음의 수학식 10과 같이 나타낼 수 있다.
2) 본 발명에 따른 방식
본 발명에 따른 사용자 그룹핑 방식에서 평균비용은 수학식 7과 같으며, 의 임계값은 다음의 수학식 11과 같이 나타낼 수 있다.
도 6은 사용자 요청율에 대한 임계값의 비교 그래프로서, 수학식 10과 수학식 11로부터 나온 결과이다. 각 파라메터는 생물정보학에서 실제로 사용되고 있는 데이터베이스 GenBank(Protein Sequence Database of Rip International Release 72.02)를 사용하여 측정한 결과를 이용하였다. GenBank는 1981년 미국립보건원으로부터 지원을 받아 로스 알라모스 연구소가 이를 관리하다가 1992년 미국립보건원의 국립의학도서관 산하 미국립생물공학정보센터(NCBI)로 이전되어 관리되는 서열정보 데이터베이스이다.
도 6의 산출에 사용한 GenBank는 전체 283,177개의 서열을 가지고 있으며, 전체가 96,101,346 라인으로 이루어져 있는 텍스트형 데이터베이스를 사용하였다. 사용자가 요청하는 서열은 인간(human) 단백질 중 세포의 산화 환원에 작용하는 색소 단백질(cytochrome)을 사용하였다. 그 결과, 는 3.99 sec가 되고, 데이터베이스의 모든 서열과 사용자 요청 서열을 모두 비교하는 비용, 는 19.98 sec가 되었다.
그룹핑을 위한 주기를 증가시키면서 각 방식의 임계값 변화를 살펴보면, 주기 D가 증가할 수록 그룹핑의 사용자 요청율 임계값이 증가함을 알 수 있다.
도 7을 참조하여, 종래의 방식과 본 발명에 따른 사용자 그룹핑 방식을 이용할 때의 시스템 비용을 수학식 3과 수학식 8을 이용하여 비교해보기로 한다. 이 때, 그룹핑 방식에서 주기는 50 sec와 70 sec으로 설정하였다. 각 방식에 대하여 임계값까지 그래프에 표시하였으며, x축은 사용자 요청율 이고 y축은 사용자당 시스템 비용을 나타낸다.
즉, 본 발명에 따른 그룹핑 방식은 값이 증가할 수록 시스템 비용이 줄어드는 것을 볼 수 있다. 또한 그룹핑 방식은 주기 D에 따라 시스템 비용을 많이 감소시킬 수 있는 것을 볼 수 있다. 주기 D를 70 sec로 설정한 경우 시스템 비용이 더 낮아진 것을 볼 수 있다. 그리고, 주기 D값에 따라서 그룹핑 방식이 받을 수 있는 사용자 요청의 임계값이 결정된다는 것을 볼 수 있다.
도 8을 참조하여 종래의 방식과 본 발명에 따른 사용자 그룹핑 방식의 응답시간을 비교하기로 한다. 여기서 x축은 사용자 요청율 를 나타내고 y축은 임의의 사용자 요청에 대한 프로그램의 평균응답시간을 나타낸다.
종래의 방식은 임계점에 가까워질수록 응답시간이 급격히 증가하였다. 그룹핑 방식은 사용자 요청을 그 다음 주기에 모아서 처리하는 지연시간이 있기 때문에 응답시간이 느리게 될 수 있지만, 종래의 방식은 사용자 요청 가 커질수록 큐(Queue)에서 대기하는 사용자 요청의 수가 많아지므로 응답시간이 급격히 증가한다.
도 3을 통해 설명한 바와 같이 본 발명에 따른 데이터베이스 처리 방법은 서버(3)에서 수행되는 프로그램에 의하여 바람직하게 구현될 수 있는 것이다. 그러므로, 본 발명은 사용자 요청 접수단계(S10) 및 서열 비교/분석 단계(S20)를 수행할 수 있는 컴퓨터 프로그램을 기록한 기록매체도 그 대상으로 한다.
본 발명을 사용하면, 한 주기 동안 모아진 사용자 요청을 다음 주기에 일괄적으로 처리하되, 주기마다 단 한번만 데이터베이스를 액세스하므로 생물정보학 관련 정보를 제공하는 시스템의 비용을 줄일 수 있다. 이에 따라 종래의 방식에 비해서 많은 사용자 요청을 처리할 수 있게 되는 효과가 있다.
도 1은 종래 방법을 사용하는 경우의 비용에 관한 개요도,
도 2는 본 발명이 적용되는 시스템의 구성도,
도 3은 본 발명의 실시예에 관한 흐름도,
도 4는 사용자 그룹핑 모델에 관한 개요도,
도 5는 사용자 그룹핑을 사용하는 경우의 비용에 관한 개요도,
도 6은 사용자 요청율에 대한 임계값의 비교 그래프,
도 7은 시스템 비용에 관한 비교 그래프,
도 8은 응답시간에 관한 비교 그래프를 도시한 것이다.
* 도면의 주요부분에 대한 부호의 설명
1: 사용자 단말 2: 통신 네트워크
3: 서버 3-1: 사용자 요청 접수용 프로그램
3-2: 서열 비교/분석용 프로그램 4: 데이터베이스

Claims (2)

  1. 생물정보학 관련 서열정보를 저장하는 데이터베이스와 연동하고 일정 통신 네트워크를 통해 각 사용자 단말과 접속하는 서버가 상기 각 사용자 단말로부터 서비스 대상 서열정보를 수신하여 큐(Queue)에 저장하는 단계;
    상기 서버는 일정 주기 D마다 상기 큐에 저장되어 있는 서비스 대상 서열정보를 서열 비교/분석용 프로그램에 전달한 후 상기 큐를 초기화함으로써 사용자가 요청한 서비스 대상 서열정보를 그룹핑(grouping)하는 과정을 반복하는 단계; 및
    상기 서열 비교/분석용 프로그램은 상기 그룹핑된 서비스 대상 서열정보를 전달받으면 상기 데이터베이스를 한번 액세스(access)하여 상기 데이터베이스에 저장되어 있는 서열정보를 읽어 오고, 상기 데이터베이스에서 읽어 온 서열정보를 이용하여 현재 그룹핑되어 있는 모든 서비스 대상 서열정보를 비교/분석하는 단계를 포함하는 것을 특징으로 하는 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스 처리 방법.
  2. 삭제
KR10-2002-0060678A 2002-10-04 2002-10-04 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법 KR100489955B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR10-2002-0060678A KR100489955B1 (ko) 2002-10-04 2002-10-04 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2002-0060678A KR100489955B1 (ko) 2002-10-04 2002-10-04 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법

Publications (2)

Publication Number Publication Date
KR20040031291A KR20040031291A (ko) 2004-04-13
KR100489955B1 true KR100489955B1 (ko) 2005-05-16

Family

ID=37331532

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2002-0060678A KR100489955B1 (ko) 2002-10-04 2002-10-04 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법

Country Status (1)

Country Link
KR (1) KR100489955B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9646134B2 (en) 2010-05-25 2017-05-09 The Regents Of The University Of California Bambam: parallel comparative analysis of high-throughput sequencing data
EP2577538A1 (en) 2010-05-25 2013-04-10 The Regents of the University of California Bambam: parallel comparative analysis of high-throughput sequencing data

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR960025120A (ko) * 1994-12-23 1996-07-20 양승택 분산 처리 시스템에서의 주기적 데이타 폴링 방법
KR960043702A (ko) * 1995-05-22 1996-12-23 구자홍 키폰 주장치의 다중 음성안내방법
JPH11237968A (ja) * 1997-11-06 1999-08-31 Internatl Business Mach Corp <Ibm> 印刷処理を可能にする方法およびシステム
KR20000002437A (ko) * 1998-06-19 2000-01-15 윤종용 통신 관리 네트웍 시스템의 성능 관리 정보 처리 방법
KR20040029858A (ko) * 2002-10-02 2004-04-08 학교법인대우학원 생물정보학에서의 데이터베이스 처리 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR960025120A (ko) * 1994-12-23 1996-07-20 양승택 분산 처리 시스템에서의 주기적 데이타 폴링 방법
KR960043702A (ko) * 1995-05-22 1996-12-23 구자홍 키폰 주장치의 다중 음성안내방법
JPH11237968A (ja) * 1997-11-06 1999-08-31 Internatl Business Mach Corp <Ibm> 印刷処理を可能にする方法およびシステム
KR20000002437A (ko) * 1998-06-19 2000-01-15 윤종용 통신 관리 네트웍 시스템의 성능 관리 정보 처리 방법
KR20040029858A (ko) * 2002-10-02 2004-04-08 학교법인대우학원 생물정보학에서의 데이터베이스 처리 방법

Also Published As

Publication number Publication date
KR20040031291A (ko) 2004-04-13

Similar Documents

Publication Publication Date Title
US8732148B2 (en) Assigning data for storage based on a frequency with which the data is accessed
CN103885820B (zh) 信息处理装置和信息处理方法
JP3798719B2 (ja) ブロック・レベル・サンプリングを使用してデータベースのクラスタ化係数を判定する装置および方法
CN103995863B (zh) 一种重复数据删除的方法及装置
US20140244639A1 (en) Surprisal data reduction of genetic data for transmission, storage, and analysis
US10810174B2 (en) Database management system, database server, and database management method
Sharpton et al. Sifting through genomes with iterative-sequence clustering produces a large, phylogenetically diverse protein-family resource
US20220253222A1 (en) Data reduction method, apparatus, computing device, and storage medium
Andreson et al. GENOMEMASKER package for designing unique genomic PCR primers
JP2021534505A (ja) データ記憶方法、データ取得方法、及び機器
JP2020194523A (ja) アクセス請求を処理する方法、装置、デバイスならびに記憶媒体
D'Agostino et al. ParPEST: a pipeline for EST data analysis based on parallel computing
KR100489955B1 (ko) 사용자 그룹핑을 이용한 생물정보학에서의 데이터베이스처리 방법
US7529261B2 (en) Data communications method selection by data communication system
Shah et al. A computational pipeline for protein structure prediction and analysis at genome scale
CN1543092A (zh) 基于fc-san存储设备的scsi命令优化方法
US20170211205A1 (en) Systems and Methods for Encoding Genetic Variation for a Population
KR100463596B1 (ko) 생물정보학에서의 데이터베이스 처리 방법
Schatz BlastReduce: high performance short read mapping with MapReduce
US11829262B2 (en) File restore performance using a file handler to disassociate prefetch and read streams
CN105468603B (zh) 数据选择方法及装置
Weissman Predicting the cost and benefit of adapting data parallel applications in clusters
Zhang et al. Accelerating BLASTP on the Cell broadband Engine
Ellis et al. Scaling Generalized N-Body Problems, A Case Study from Genomics
US20030113767A1 (en) Confirmation sequencing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment
FPAY Annual fee payment
FPAY Annual fee payment

Payment date: 20160325

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20170327

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20180411

Year of fee payment: 14