MARC

 008250123s2024        us                              c    eng  d
■001000017162195
■00520250211151943
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384204008
■035    ▼a(MiAaPQ)AAI31324657
■035    ▼a(MiAaPQ)Stanfordpx421qh7904
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621.3
■1001  ▼aGoenka,  Sneha  D.
■24510▼aSpecialized  Hardware-Software  Systems  for  High-Performance  Evolutionary  and  Clinical  Genomics
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a225  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Horowitz,  Mark.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThe  landscape  of  computing  has  undergone  a  significant  transformation  with  the  death  of  Dennard  scaling  and  the  slowing  of  Moore's  Law:  applications  now  drive  innovations  in  computer  systems  architecture.  At  the  same  time,  the  advent  of  high  throughput,  low  cost  sequencing  technology  has  revolutionized  genomics.  The  massive  volume  of  data  generated  in  genomics  has  revealed  significant  computational  challenges  in  performing  large-scale,  sensitive  biological  inference,  primarily  due  to  the  limitations  of  software  designed  for  traditional  multicore  systems.  Similarly,  the  existing  downstream  processing  of  genomic  data  from  acutely  ill  patients  contributes  to  delayed  diagnostics,  directly  impacting  the  speed  at  which  critical  medical  decisions  can  be  made.  To  address  this  challenge,  my  research  employs  a  hardware-software-algorithm  co-design  approach  to  significantly  improve  computational  performance  (scale,  sensitivity,  speed)  in  key  areas  of  comparative  and  clinical  genomics.This  dissertation  presents  systems  that  accelerate  pipelines  in  both  these  domains  of  genomics.  First,  it  describes  SegAlign  (GPU)  and  Darwin-WGA  (FPGA/ASIC)  cross-species  whole  genome  alignment  where  co-design  has  yielded  orders  of  magnitude  increase  in  speed.  Additionally,  there  are  gains  in  accuracy  while  modifying  the  algorithm  to  improve  the  underlying  hardware  implementation.  Next,  it  outlines  the  ultra-rapid  nanopore  whole  genome  sequencing  pipeline  that  can  deliver  a  genetic  diagnosis  in  under  8  hours,  making  it  the  fastest  pipeline  to  date.  The  scalable,  cloud-based  distributed  infrastructure  overcomes  system  bottlenecks  to  enable  near  real-time  computation  and  improved  variant  identification.  This  pipeline  has  been  deployed  in  critical  care  units  in  Stanford  hospitals  and  applied  to  a  cohort  of  multiple  patients.  Overall,  these  advancements  not  only  redefine  computational  paradigms  in  genomics  but  also  set  a  new  standard  for  the  integration  of  technological  innovation  in  clinical  settings,  promising  significant  improvements  in  patient  care  and  disease  understanding.
■590    ▼aSchool  code:  0212.
■650  4▼aComputer  engineering
■650  4▼aSoftware
■650  4▼aGenomes
■650  4▼aMeals
■650  4▼aGenomics
■650  4▼aGenetics
■690    ▼a0464
■690    ▼a0369
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162195▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서