Devido à grande diversidade de microrganismos desconhecidos no meio ambiente, 99% deles não podem ser cultivados nos meios de cultura tradicionais dos laboratórios. Para isso, projetos metagenômicos são propostos para estudar comunidades microbianas presentes no meio ambiente, a partir de técnicas moleculares, em especial o seqüenciamento. Dessa forma, para os próximos anos é esperado um acúmulo de seqüências produzidas por esses projetos. As seqüências produzidas pelos projetos genomas e metagenomas apresentam vários desafios para o tratamento, armazenamento e análise, como exemplo: a busca de clones contendo genes de interesse. Este trabalho apresenta uma abordagem algébrica que define e gerencia de forma dinâmica as regras para a seleção de clones em bibliotecas genômicas e metagenômicas, que se baseiam em álgebra de processos. Além disso, uma interface web foi desenvolvida para permitir que os pesquisadores criem e executem facilmente suas próprias regras de seleção de clones em bancos de dados de seqüências genômicas e metagenômicas. Este software foi testado em bibliotecas genômicas e metagenômicas e foi capaz de selecionar clones contendo genes de interesse. / Due to the wide diversity of unknown organisms in the environment, 99% of them cannot be grown in traditional culture medium in laboratories. Therefore, metagenomics projects are proposed to study microbial communities present in the environment, from molecular techniques, especially the sequencing. Thereby, for the coming years it is expected an accumulation of sequences produced by these projects. Thus, the sequences produced by genomics and metagenomics projects present several challenges for the treatment, storing and analysis such as: the search for clones containing genes of interest. This work presents an algebraic approach that defines it dynamically and manages the rules of the selection of clones in genomic and metagenomic libraries, which are based on process algebra. Furthermore, a web interface was developed to allow researchers to easily create and execute their own rules to select clones in genomic and metagenomic sequence database. This software was tested in genomics and metagenomics libraries and it was able to select clones containing genes of interest.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-06-07T11:29:45Z No. of bitstreams: 1 tassioferenzinimartinssirqueira.pdf: 6506958 bytes, checksum: 2145670dd9a80dec1aef328a3f8a0427 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-07T13:31:29Z (GMT) No. of bitstreams: 1 tassioferenzinimartinssirqueira.pdf: 6506958 bytes, checksum: 2145670dd9a80dec1aef328a3f8a0427 (MD5) / Made available in DSpace on 2017-06-07T13:31:29Z (GMT). No. of bitstreams: 1 tassioferenzinimartinssirqueira.pdf: 6506958 bytes, checksum: 2145670dd9a80dec1aef328a3f8a0427 (MD5) Previous issue date: 2016-07-12 / Um ecossistema de software científico, além de outras funcionalidades, busca integrar todas as etapas de um experimento, e comumente utiliza workflows científicos para a resolução de problemas complexos. Toda modificação ocorrida em um experimento deve ser propagada para os workflows associados, os quais devem ser mantidos e evoluídos para o prosseguimento com sucesso da pesquisa. Um das forma de garantir este controle é através da gerência de configuração. Para que ela possa ser utilizada, é importante o armazenamento dos dados de execução e modelagem do experimento e workflows associados. Neste trabalho, utilizamos conceitos e modelos relacionados à proveniência de dados para o armazenamento e consulta destes dados. O uso da proveniência de dados traz alguns benefícios neste armazenamento e consulta, conforme veremos nesta dissertação. Assim, nesse trabalho é proposta uma arquitetura para gerenciar a evolução e manutenção de experimentos e workflows científicos, denominada E-SECO ProVersion. A motivação para a especificação e implementação da arquitetura veio a partir da realização de uma revisão sistemática e de um estudo para verificar características de manutenção e evolução em repositórios de workflows existentes. A partir destas análises, as principais funcionalidades da arquitetura foram definidas e detalhadas. Além disso, um roteiro com diretrizes de uso e provas de conceito utilizando workflows extraídos do repositório myEx-periment foram apresentados, com o objetivo de avaliar a aplicabilidade da arquitetura. / A scientific software ecosystem, in addition to other features, seeks to integrate all stages of an experiment, and commonly used scientific workflows to solve complex problems. Any changes that occurred in an experiment must be propagated to the associated workflows, which must be maintained and evolved for further successful research. One of the way to ensure this control is through configuration management. So that it can be used, it is important the storage of performance data and modeling of the experiment and associated workflows. In this study, we use the concepts and models related to the source of data for storage and retrieval of this data. Use the data source brings some advantages in storage and query, as we will see in this dissertation. Thus, this paper proposes an architecture to manage the development and maintenance of scientific experiments and workflows, called E-SECO ProVersion. The motivation for the specification and implementation of architecture came from the realization of a systematic review and a study to check maintenance characteristics and evolution in existing workflows repositories. From these analyzes, the main features of the architecture are defined and detailed. In addition, a roadmap with usage guidelines and proofs of concept using workflows extracted from myExperiment repository were presented in order to evaluate the applicability of architecture.

D’ici 2020, l’univers numérique atteindra 44 zettaoctets puisqu’il double tous les deux ans. Les données se présentent sous les formes les plus diverses et proviennent de sources géographiquement dispersées. L’explosion de données crée un besoin sans précédent en terme de stockage et de traitement de données, mais aussi en terme de logiciels de traitement de données capables d’exploiter au mieux ces ressources informatiques. Ces applications à grande échelle prennent souvent la forme de workflows qui aident à définir les dépendances de données entre leurs différents composants. De plus en plus de workflows scientifiques sont exécutés sur des clouds car ils constituent une alternative rentable pour le calcul intensif. Parfois, les workflows doivent être répartis sur plusieurs data centers. Soit parce qu’ils dépassent la capacité d’un site unique en raison de leurs énormes besoins de stockage et de calcul, soit car les données qu’ils traitent sont dispersées dans différents endroits. L’exécution de workflows multisite entraîne plusieurs problèmes, pour lesquels peu de solutions ont été développées : il n’existe pas de système de fichiers commun pour le transfert de données, les latences inter-sites sont élevées et la gestion centralisée devient un goulet d’étranglement. Cette thèse présente trois contributions qui visent à réduire l’écart entre les exécutions de workflows sur un seul site ou plusieurs data centers. Tout d’abord, nous présentons plusieurs stratégies pour le soutien efficace de l’exécution des workflows sur des clouds multisite en réduisant le coût des opérations de métadonnées. Ensuite, nous expliquons comment la manipulation sélective des métadonnées, classées par fréquence d’accès, améliore la performance des workflows dans un environnement multisite. Enfin, nous examinons une approche différente pour optimiser l’exécution de workflows sur le cloud en étudiant les paramètres d’exécution pour modéliser le passage élastique à l’échelle. / By 2020, the digital universe is expected to reach 44 zettabytes, as it is doubling every two years. Data come in the most diverse shapes and from the most geographically dispersed sources ever. The data explosion calls for applications capable of highlyscalable, distributed computation, and for infrastructures with massive storage and processing power to support them. These large-scale applications are often expressed as workflows that help defining data dependencies between their different components. More and more scientific workflows are executed on clouds, for they are a cost-effective alternative for intensive computing. Sometimes, workflows must be executed across multiple geodistributed cloud datacenters. It is either because these workflows exceed a single site capacity due to their huge storage and computation requirements, or because the data they process is scattered in different locations. Multisite workflow execution brings about several issues, for which little support has been developed: there is no common ile system for data transfer, inter-site latencies are high, and centralized management becomes a bottleneck. This thesis consists of three contributions towards bridging the gap between single- and multisite workflow execution. First, we present several design strategies to eficiently support the execution of workflow engines across multisite clouds, by reducing the cost of metadata operations. Then, we take one step further and explain how selective handling of metadata, classified by frequency of access, improves workflows performance in a multisite environment. Finally, we look into a different approach to optimize cloud workflow execution by studying some parameters to model and steer elastic scaling.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-01T11:18:53Z No. of bitstreams: 1 vitorfreitasesouza.pdf: 4838221 bytes, checksum: 593f759949de45c0b044f62ba94f9a1a (MD5) / Made available in DSpace on 2015-12-01T11:18:53Z (GMT). No. of bitstreams: 1 vitorfreitasesouza.pdf: 4838221 bytes, checksum: 593f759949de45c0b044f62ba94f9a1a (MD5) Previous issue date: 2015-02-27 / A concepção de workflows científicos é uma abordagem amplamente utilizada no contexto de e-Science e experimentação científica. Existem muitas pesquisas voltadas para o gerenciamento e execução de experimentos baseados em workflows. No entanto, experimentos complexos envolvem interações entre pesquisadores geograficamente distribuídos, demandando utilização de grandes volumes de dados, serviços e recursos computacionais distribuídos. Este cenário categoriza um ecossistema de experimentação científica. Para conduzir experimentos neste contexto, cientistas precisam de uma arquitetura flexível, extensível e escalável. Durante o processo de experimentação, informações valiosas podem ser perdidas e oportunidades de reutilização de recursos e serviços desperdiçadas, caso a arquitetura de ecossistema para e-Science não considere estes aspectos. Com o objetivo de tratar a flexibilidade, a extensibilidade e a escalabilidade de plataformas de ecossistemas, este trabalho apresenta uma arquitetura orientada a serviços apoiada por uma rede ponto a ponto, desenvolvida para tratar as etapas do ciclo de vida de um experimento científico. Este trabalho apresenta como contribuições uma arquitetura para ecossistemas de software científico, a implementação desta arquitetura, bem como a sua avaliação. / The conception of scientific workflows is a widely used approach in the context of e- Science and scientific experimentation. There are many researches about the management and execution of experiments based on workflows. However, scientific experiments involve complex interactions between geographically distributed researchers, requiring the usage of large amount of data, services and distributed computing resources. This scenario categorizes a scientific experimentation ecosystem. In order to carry out experiments in this context researchers need an architecture for e-Science that supports flexibility, extensibility and scalability. During the experimentation process, valuable information can be unexploited and reusing opportunities of resources and services could be lost if the ecosystem architecture for e-Science does not consider previous mentioned requirements. In order to address the flexibility, extensibility and scalability of ecosystems platforms, this dissertation presents a service-oriented architecture supported by a peer-to-peer network. It was developed to support life-cycle stages of a scientific experiment. This work also presents, as contributions, an architecture to support experiments execution of scientific software ecosystems, the implementation of this architecture, as well as its evaluation.

Devido à grande diversidade de microrganismos desconhecidos no meio ambiente, 99% deles não podem ser cultivados nos meios de cultura tradicionais dos laboratórios. Para isso, projetos metagenômicos são propostos para estudar comunidades microbianas presentes no meio ambiente, a partir de técnicas moleculares, em especial o seqüenciamento. Dessa forma, para os próximos anos é esperado um acúmulo de seqüências produzidas por esses projetos. As seqüências produzidas pelos projetos genomas e metagenomas apresentam vários desafios para o tratamento, armazenamento e análise, como exemplo: a busca de clones contendo genes de interesse. Este trabalho apresenta uma abordagem algébrica que define e gerencia de forma dinâmica as regras para a seleção de clones em bibliotecas genômicas e metagenômicas, que se baseiam em álgebra de processos. Além disso, uma interface web foi desenvolvida para permitir que os pesquisadores criem e executem facilmente suas próprias regras de seleção de clones em bancos de dados de seqüências genômicas e metagenômicas. Este software foi testado em bibliotecas genômicas e metagenômicas e foi capaz de selecionar clones contendo genes de interesse. / Due to the wide diversity of unknown organisms in the environment, 99% of them cannot be grown in traditional culture medium in laboratories. Therefore, metagenomics projects are proposed to study microbial communities present in the environment, from molecular techniques, especially the sequencing. Thereby, for the coming years it is expected an accumulation of sequences produced by these projects. Thus, the sequences produced by genomics and metagenomics projects present several challenges for the treatment, storing and analysis such as: the search for clones containing genes of interest. This work presents an algebraic approach that defines it dynamically and manages the rules of the selection of clones in genomic and metagenomic libraries, which are based on process algebra. Furthermore, a web interface was developed to allow researchers to easily create and execute their own rules to select clones in genomic and metagenomic sequence database. This software was tested in genomics and metagenomics libraries and it was able to select clones containing genes of interest.

No description available.

[pt] Na execução de workflows científicos distribuídos, a principal forma de passar os dados entre os nós de execução do workflow é utilizando arquivos. Quando os arquivos são grandes, uma parte considerável do tempo de execução do workflow é gasto transferindo os arquivos entre o servidor de armazenamento compartilhado e os nós de execução. Este trabalho propõe uma estratégia de transferência de arquivos diretamente entre os nós de execução, antecipando as necessidades da próxima etapa do workflow e diminuindo a sobrecarga com tráfego dos arquivos para os servidores de armazenamento. O trabalho analisa cenários em que a estratégia se mostra vantajosa e em quais não. / [en] For distributed scientific workflows the main method of sharing data between the execution nodes is through files. When those files are large, a substantial portion of the workflow s execution time is spent transferring the files between the storage server and the execution nodes. This work proposes a strategy for transfering the files directly between the execution nodes, antecipating the requirements of the next step of the workflow and lowering the overhead from transfering the files to and of the storage server. This dissertation analises scenarios in which this strategy shows to be advantajous and in which it doesn t.

Submitted by isabela.moljf@hotmail.com (isabela.moljf@hotmail.com) on 2017-05-05T13:06:54Z No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 18725317 bytes, checksum: 3ee881993096b45e72f9522887e7e2e0 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-05-17T13:37:14Z (GMT) No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 18725317 bytes, checksum: 3ee881993096b45e72f9522887e7e2e0 (MD5) / Made available in DSpace on 2017-05-17T13:37:14Z (GMT). No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 18725317 bytes, checksum: 3ee881993096b45e72f9522887e7e2e0 (MD5) Previous issue date: 2011-01-18 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A e-Science se caracteriza pela manipulação de um vasto volume de dados e utilização de recursos computacionais em larga escala, muitas vezes localizados em ambientes distribuídos. Nesse cenário, representado por alta complexidade e heterogeneidade, torna-se relevante o tratamento da proveniência de dados, que tem por objetivo descrever os dados que foram gerados ao longo da execução de um experimento científico e apresentar os processos de transformação pelos quais foram submetidos. Assim, a proveniência auxilia a formar uma visão da qualidade, da validade e da atualidade dos dados produzidos em um ambiente de pesquisa científica. O SciProv consiste em uma arquitetura cujo objetivo é interagir com sistemas de gerenciamento de Workflows científicos para promover a captura e a gerência dos metadados de proveniência gerados. Para esse propósito, o SciProv adota uma abordagem baseada em um modelo abstrato para a representação da proveniência. Esse modelo, denominado Open Provenance Model, confere ao SciProv a capacidade de prover uma infraestrutura homogênea e interoperável para a manipulação dos metadados de proveniência. Como resultado, o SciProv permite disponibilizar um arcabouço para consulta às informações de proveniência geradas em um cenário complexo e diversificado de e-Science. Mais importante, a arquitetura faz uso de tecnologia web semântica para processar as consultas aos metadados de proveniência. Nesse contexto, a partir do emprego de ontologias e máquinas de inferências, o SciProv provê recursos para efetuar deduções sobre os metadados de proveniência e obter resultados importantes ao extrair informações adicionais além daquelas que encontram-se registradas de forma explícita nas informações gerenciadas. / E-Science is characterized by manipulation of huge data set and large scale computing resources usage, often located in distributed environments. In this scenario, represented by high complexity and heterogeneity, it becomes important to treat data provenance, which aims to describe data that were generated during a scientific experiment execution and presents processes of transformation by which underwent. Thus, lineage helps to form a quality, validity and topicality vision of data produced in a scientific research environment. SciProv consists of an architecture that aims to interact with scientific workflows management systems for capture and manipulation of generated provenance metadata. For this purpose, SciProv adopts an approach based on an abstract model for representing the lineage. This model, called Open Provenance Model, provides to SciProv the ability to set up a homogeneous and interoperable infrastructure for handling provenance metadata. As a result, SciProv is able to provide a framework for query data provenance generated in a complex and diverse e-Science scenario. More important, the architecture makes use of semantic web technology to process metadata provenance queries. In this context, using ontologies and inference engines, SciProv provides resources to make inferences about lineage and to obtain important results in allowing the extraction of information beyond those that are registered explicitly from managed data.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-06-06T18:14:11Z No. of bitstreams: 1 vitorfreitasesouza.pdf: 4838221 bytes, checksum: 593f759949de45c0b044f62ba94f9a1a (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-07T13:31:03Z (GMT) No. of bitstreams: 1 vitorfreitasesouza.pdf: 4838221 bytes, checksum: 593f759949de45c0b044f62ba94f9a1a (MD5) / Made available in DSpace on 2017-06-07T13:31:03Z (GMT). No. of bitstreams: 1 vitorfreitasesouza.pdf: 4838221 bytes, checksum: 593f759949de45c0b044f62ba94f9a1a (MD5) Previous issue date: 2015-02-27 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / A concepção de workflows científicos é uma abordagem amplamente utilizada no contexto de e-Science e experimentação científica. Existem muitas pesquisas voltadas para o gerenciamento e execução de experimentos baseados em workflows. No entanto, experimentos complexos envolvem interações entre pesquisadores geograficamente distribuídos, demandando utilização de grandes volumes de dados, serviços e recursos computacionais distribuídos. Este cenário categoriza um ecossistema de experimentação científica. Para conduzir experimentos neste contexto, cientistas precisam de uma arquitetura flexível, extensível e escalável. Durante o processo de experimentação, informações valiosas podem ser perdidas e oportunidades de reutilização de recursos e serviços desperdiçadas, caso a arquitetura de ecossistema para e-Science não considere estes aspectos. Com o objetivo de tratar a flexibilidade, a extensibilidade e a escalabilidade de plataformas de ecossistemas, este trabalho apresenta uma arquitetura orientada a serviços apoiada por uma rede ponto a ponto, desenvolvida para tratar as etapas do ciclo de vida de um experimento científico. Este trabalho apresenta como contribuições uma arquitetura para ecossistemas de software científico, a implementação desta arquitetura, bem como a sua avaliação. / The conception of scientific workflows is a widely used approach in the context of eScience and scientific experimentation. There are many researches about the management and execution of experiments based on workflows. However, scientific experiments involve complex interactions between geographically distributed researchers, requiring the usage of large amount of data, services and distributed computing resources. This scenario categorizes a scientific experimentation ecosystem. In order to carry out experiments in this context researchers need an architecture for e-Science that supports flexibility, extensibility and scalability. During the experimentation process, valuable information can be unexploited and reusing opportunities of resources and services could be lost if the ecosystem architecture for e-Science does not consider previous mentioned requirements. In order to address the flexibility, extensibility and scalability of ecosystems platforms, this dissertation presents a service-oriented architecture supported by a peer-to-peer network. It was developed to support life-cycle stages of a scientific experiment. This work also presents, as contributions, an architecture to support experiments execution of scientific software ecosystems, the implementation of this architecture, as well as its evaluation.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-07-25T11:45:46Z No. of bitstreams: 1 anrafelfernandespereira.pdf: 2313256 bytes, checksum: 6c0ecfc310a8132b96bf765825f34222 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-08-09T13:49:22Z (GMT) No. of bitstreams: 1 anrafelfernandespereira.pdf: 2313256 bytes, checksum: 6c0ecfc310a8132b96bf765825f34222 (MD5) / Made available in DSpace on 2017-08-09T13:49:22Z (GMT). No. of bitstreams: 1 anrafelfernandespereira.pdf: 2313256 bytes, checksum: 6c0ecfc310a8132b96bf765825f34222 (MD5) Previous issue date: 2014-07-11 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A necessidade de colaboração no domínio científico vem sendo discutida em alguns trabalhos. A sua relevância no contexto desta dissertação é justificada por problemas clássicos neste domínio, como a falta de apoio para a composição de workflows científicos, dificuldade para reutilização de aplicações científicas, dificuldade de cooperação e comunicação entre as equipes de cientistas geograficamente distribuídas, entre outros. Abordagens como Linha de Produtos de Software - LPS têm sido empregadas para apoiar os cientistas na concepção de workflows científicos. Entretanto muitas informações relevantes sobre estas aplicações são perdidas ou mesmo não fornecidas pelos cientistas. Esta dissertação apresenta uma abordagem denominada Collaborative PL-Science, a qual é uma extensão de uma abordagem denominada PL-Science. Na abordagem PL-Science os cientistas possuíam apenas os artefatos persistidos no núcleo da LPS como componentes de trabalho. Com isso, o cientista desenvolvia um workflow científico baseado apenas em seu conhecimento sobre o domínio. Nenhum histórico, ou "rationale", era gerado neste ambiente, ficando todo o conhecimento sobre as funcionalidades dos artefatos, as experiências do cientista e as tomadas de decisões por conta do usuário. Como proposta de solução para estes problemas, a Collaborative PL-Science utiliza elementos de colaboração, tais como informações de percepção, contexto e um mecanismo de suporte à comunicação, em uma Linha de Produtos de Software Científico - LPSC. Com isso, espera-se gerar oportunidades de interação entre os pesquisadores e contextualizá-los em sua atividade de concepção de workflows científicos. / The need for collaboration in the scientific field has been discussed in some papers. Its relevance in the context of this thesis is justified by classical problems in this area, such as lack of support for the composition of scientific workflows, difficult reuse to scientific applications, difficulty of cooperation and communication among geographically distributed teams of scientists, among others. Approaches to Software Product Line - SPL have been used to support scientists in the design of scientific workflows. However many relevant information about scientific applications are lost or even not provided by scientists. This paper presents an approach named Collaborative PL-Science, which is an extension of an approach called PL-Science. In the PL-Science approach scientists had only the artifacts persisted in the core of the SPL as components of work. No historical or "rationale" was generated in this environment. Therefore all the knowledge about the functionalities of the artifacts, the experiences of the scientist and the decisions made are attributed to the user. As a proposed solution to these problems, the Collaborative PL-Science uses collaboration elements, such as awareness and context information and a mechanism to support communication in a Scientific Software Product Line - SSPL. Thus, it is expected to generate opportunities for interaction between researchers and contextualize them in their activity of designing scientific workflows.