ASAIM Traitement “Big Data” en Biologie

Bérénice Batut Post-doctorante - EA CIDAM

Yuta Onada

Génomique

2

Génomique

3

Génomique

4

Génomique

5

Métagénomique

6

Métagénomique

7

Métagénomique

8

Outils de métagénomique

9

Outils de métagénomique

10

Solution idéale

Facilité d’utilisation par les biologistes

11

Solution idéale

Facilité d’utilisation par les biologistes Gestion de données massives et complexes

12

Solution idéale

Facilité d’utilisation par les biologistes Gestion de données massives et complexes Traitement rapide et complet des données

13

Solution idéale

Facilité d’utilisation par les biologistes Gestion de données massives et complexes Traitement rapide et complet des données Modularité

14

Solution proposée

ConnectionRaw read uploadPipeline, parameters and metadata definitions

File and data savingPipeline job submission

Computer cluster

Waiting job interrogation and execution

Result sending and formating

Email sending with a link toward result webpage

UsersWeb interface Pipeline

interface

15

Pipeline

16

Pipeline

17

Principaux verrous

Gestion du workflow modulaire Gestion et stockage des données massives Durée des traitements et des analyses Choix outils à utiliser pour chaque étape Gestion des mises à jours des outils et bases de données utilisés Tests automatiques des sorties Nombreuses librairies à installer Gestion du flux d’utilisateurs

18

Projet CPER Auvergne

19

Principaux verrous

Gestion du workflow modulaire Gestion et stockage des données massives Durée des traitements et des analyses Choix outils à utiliser pour chaque étape Gestion des mises à jours des outils et bases de données utilisés Tests automatiques des sorties Nombreuses librairies à installer Gestion du flux d’utilisateurs

20