Por favor, use este identificador para citar o enlazar este ítem: http://dspace.unach.edu.ec/handle/51000/7352
Título : A Fog Assisted Cloud Paradigm for accessibility and collaboration to Genomic Data Analysis
Otros títulos : Fog Asiste Cloud Paradigma para la accesibilidad y colaboración al Análisis de Datos Genómicos
Autor : Vinueza Naranjo, Paola G.
Patil, Navinkumar J.
Palabras clave : Big data
Distributed resource management
Cloud computing
Fog computing
Next-generation sequencing (NGS)
Fecha de publicación : 12-dic-2018
Editorial : Riobamba: Universidad Nacional de Chimborazo
Citación : Vinueza, P. G., & Patil, N. J. (2018). Fog Asiste Cloud Paradigma para la Accesibilidad y Colaboración al Análisis de Datos Genómicos. NOVASINERGIA, ISSN 2631-2654, 1(2), 70–82. https://doi.org/10.37135/unach.ns.001.02.08
Citación : NOVASINERGIA, 2018;Vol. 1, No. 2, junio-noviembre, (70-82)
Resumen : La secuenciación de la próxima generación es cada vez más creciente y requiere recursos informáticos a gran escala para manejar la enorme cantidad de datos producidos. El paradigma Cloud computing fácilmente maneja datos enormes, pero el problema central con este paradigma es la transferencia de datos enormes hacia y desde las computadoras en cloud debido al ancho de banda limitado que radica en la naturaleza centralizada de la arquitectura Cloud computing la cual está localizada lejos de los usuarios. Una arquitectura donde la potencia de computación se distribuyade manera más uniforme en toda la red es una forma de combatir este problema. La arquitectura debe llevar la capacidad de procesamiento hacia el borde de la red, más cerca de la fuente de los datos. Para esta propuesta, Fog computing ofrece una solución prometedora para acercar las capacidades computacionales a los datos generados y será la solución para ganar fuerza en la investigación genómica. Proponemos un nuevo modelo llamado Collaborative-Fog (Co-Fog) que adopta los paradigmas Fog y Cloudcomputing para administrar grandes conjuntos de datos genómicos y para permitir la comprensión de cómo las partes interesadas pueden gestionar la interacción y la colaboración. El presente trabajo describe el modelo Co-Fog que promete un mayor rendimiento, eficiencia energética, menor latencia, tiempo de respuesta más rápido, escalabilidad y una mejor precisión localizada para futuras colaboraciones a gran escala en la genómica.
Descripción : Increasingly growing Next-generation sequencing requires large-scale computingresources to handle the huge amount of data produced. The Cloud computing paradigmreadily handles huge data but the core issue with this paradigm is transfer of enormousdata to and from cloud computers due to limited bandwidth which lies in the centralizednature of a Cloud computing architecture that is located far away from users. Anarchitecture where computing power is distributed more evenly throughout the networkis the way to combat this problem. The architecture should drive the processing capacitytowards the edge of the network, closer to the source of the data. For this proposeFog computing offers a promising solution to move computational capabilities closerto the data generated and will be the solution to gain traction in genomics research.We propose a novel Collaborative-Fog (Co-Fog) model that adopts the Fog and Cloudcomputing paradigms to manage huge genomic data sets and to enable understanding ofhow key stakeholders can manage the interaction and collaboration. The present workdescribes the Co-Fog model that promises increased performance, energy efficiency,reduced latency, faster response time, scalability, and better localized accuracy forfuture large-scale collaborations in genomics.
URI : http://dspace.unach.edu.ec/handle/51000/7352
ISSN : 2631-2654
Aparece en las colecciones: Artículos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
56-Texto del artículo-145-4-10-20201113.pdfResearch Article: http://novasinergia.unach.edu.ec/index.php/novasinergia/article/view/56/384,94 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons