グリッド技術の相同性検索サービスを運用開始

GridBlastとは

　GridBlastは異なるネットワーク構成、異なるジョブ管理システム、異なる計算性能を持つ計算機群を、グリッドシステム構築ミドルウェア^※3「Globus Toolkit^※4」を用いて統合したもので、単一システムイメージとしてNCBI(National Center for Biotechnology Information )のBLAST^※5による相同性検索サービスを提供することができます。相同性検索とは、配列の類似性に基づいて、配列が似ていれば機能も同じであろうという推測により、遺伝子やタンパク質の機能を予想する方法です。グリッド技術を利用することにより、利用者は高速化に必要な並列処理、分散処理を全く意識することなく数千から数万個の配列の検索を行うことができます。
　GridBlastは現在、理研ゲノム科学総合研究センター、日本電気株式会社、東京工業大学のPCクラスタ計算機^※6を用いて運用されています。また、相同性検索実行に利用されるBLASTには、日本電気の製品であるHomologySearcher(PCクラスタ用にチューニングされた並列型BLAST)をベースに、株式会社NEC情報システムズがGrid対応を行ったプログラムを用いています。

研究成果

　GridBlastでは、複数利用者からの相同性検索要求を、利用可能なサイトの処理能力に応じて、自動的に分割するなどの操作を行い、全サイトでの検索完了時間が揃うように検索クエリーのデータサイズ調整をしています。クエリーとは、処理要求(問い合わせ)を文字列として表したものです。例えば、ある遺伝子のDNA配列情報を入力すると利用可能サイトの処理能力毎にDNA配列情報の量を自動的に配分調整します。このように適切に配分されたエントリーセット（遺伝子の場合はその1サイトに投入されたDNA配列情報の量）による実行結果をまとめて、相同性検索の結果として提供します。複数のサイトからの結果の回収と結果の再構成による処理時間を必要としますが、複数の組織が所有する、これらの計算システムを1つのアプリケーションとして透過的に利用できることが、グリッド技術により構築されたアプリケーションのメリットとなります。
　サイト数の増加に伴う効果を確認するために、1サイトあたりの利用CPU（Central Processing Unit：中央演算装置）数を16とし、サイトの数を1から12まで変化させた場合、1サイトで実行した結果は4.43時間でしたが、12サイトを利用して合計192CPUを利用した場合の結果は0.55時間となりました。これは、1サイトを利用した際の処理時間の約8分の1になります。時間当たりの処理能力は、1サイトあたりの場合223エントリーでしたが、12サイトを利用した場合は、1541エントリーとなり約7倍の処理速度の向上となりました。（図1）更に、大規模な計算に対するベンチマーク（処理速度を計測する試験）として、FANTOM^※72.1のアミノ酸配列(29,941 エントリー)の重複のない（non-redundant）アミノ酸に対し、繰り返し回数を3回としてPSI-BLAST^※8を実行した結果、8時間19分で完了しました。これは、1時間当たり、3084エントリーの処理能力があることを示します。ベンチマークを実行した際の、総CPU数は230であり、5サイトの異なるPCクラスタ計算機システムに対して処理された結果です。
　また、GridBlastには、サイトの計算資源の不調による実行の失敗時にエントリーの再投入などのフォールト・トレランス機能（障害対策機能）も実装しています。

利用について

　利用方法としてはウェブサイトを用意しており、オリジナルのNCBI-BLASTと操作性は変わらず、これまで使っていたオプションはほとんど利用可能となります。また、複数のユーザからの利用もサポートしており、実行中の状況などは、ユーザごとに管理され、過去に実行した結果は1週間保存されています。さらに実行終了時にメールによる通知機能も備えているため、長時間の検索に関しても便利です。また、このような利用時のウェブコンテンツはSSL (Secure Sockets Layer：通信内容を暗号化するための通信手順)によって暗号化されるため、安全に利用することができます。
　対象ユーザは大規模の相同性検索を必要とする研究者層で、エントリー数として数千～数万クエリーを想定しています。利用可能なデータベースは、重複のない（non-redundant）核酸塩基配列データベースや、アミノ酸配列データベース等を配備しており、目的に応じて様々種類のデータベースを準備することができ、各サイトで最新でかつ同一のデータベースを利用することができる体制が取られています。
　具体的には、現在OBIGridのウェブサイト(http://www.obigrid.org)の上で、OBIGrid利用ユーザ参加登録すると、GridBlastを利用することができます。また、GridBlastの検索サイトも同時に登録できます。

研究意義と今後の展開

　近年、遺伝子やタンパク質の配列データは爆発的な増加傾向にあり、従来からの手法による検索では、その処理時間が長大化するという問題が顕在化しています。そこで、PCクラスタ計算機などを使った並列処理が問題の解決方法のひとつとして注目されてきましたが、1組織が所有する計算資源には限界がありました。グリッド技術は、このような組織が所有する計算資源を集積して問題を解決することができ、バイオインフォマティクスやライフサイエンス研究のさらなる発展に貢献するものです。
　今後は、GridBlastの運用試験を通してその品質を高め、培った技術を他のバイオインフォマティクスツールのグリッド化を視野にいれた研究開発を推進します。

（問い合わせ先）

独立行政法人理化学研究所横浜研究所

ゲノム科学総合研究センター

　ゲノム情報科学研究グループ

ゲノム解析用コンピュータ研究開発チーム

研究員　　小西　史一　

Tel	:	045-503-9602
Fax	:	045-503-9613

（連絡先）

独立行政法人理化学研究所広報室

Tel	:	048-467-9272
Fax	:	048-467-4715
Mail	:	koho@riken.jp

<補足説明>

※1	OBI(Open BioInformatics) Grid
	文部科学省科研特定領域研究ゲノム情報科学の「ソフトウェア高速化および共有化委員会と企業コンソーシアムである並列情報処理イニシアティブ（IPAB：http://www.ipab.org/）」が母体として開発中のグリッドであり、国内バイオインフォマティクス関連の大学・研究機関・企業の27サイトが参加し、インターネット上にVPN装置によって構築された国内最大規模のグリッドである。

※2	グリッド
	ネットワーク環境下の計算機やストレージ等の資源や情報を、所有する組織を超えて、安全に・安定して・情報サービスを享受できる基盤技術。この技術により、異機種間接続環境が可能となり、大規模な仮想計算機をひとつのシステムとして利用することができる。

※3	ミドルウェア
	オペレーションシステム（OS）上で動作し、アプリケーションソフトに対してOSよりも高度で具体的な機能を提供するソフトウェア。OSとアプリケーションソフトの中間的な性格を持っている。

※4	Globus Toolkit
	米国アルゴンヌ国立研究所と南カリフォルニア大学の共同開発による、グリッドシステムの構築を容易にするためのツールキットである。現在グリッドシステムを構築する際にデファクトスタンダードとして広く普及し、世界中のグリッドプロジェクトで採用されている。開発者は、Globusで用意されている関数を呼び出すことで、グリッドアプリケーションを構築する。最新版はGlobus Toolkit 3.0.2であり、ウェブページ（http://www.globus.org/）からダウンロードすることができる。

※5	BLAST
	核酸やタンパク質の相同性検索を行うツールとして、米国のNCBI（National Center for　Biotechnology Information）で開発され、公開されているアプリケーション。

※6	PCクラスタ計算機
	クラスタとはデータ通信において末端制御装置とそれに接続されている末端の総称で、その末端装置の計算機のこと。

※7	FANTOM
	理研ゲノム科学総合研究センター遺伝子構造・機能研究グループの主導により結成された、マウス遺伝子の機能解析を行う組織（FANTOMコンソーシアム；国内外のゲノム科学、生物学などの専門家）が共同で、機能アノテーション情報を付与したマウスcDNAクローン。に2002年4月29日から5月5日にかけて行われたFANTOM2（Functional ANnoTation Of Mouse） Cherry Blossom国際会議では60,770個のマウス完全長cDNAクローンが解析され、その成果は2002年12月の「Nature」に発表された。

※8	PSI-BLAST
	Position Specific Iterative BLASTと呼ばれ、アミノ酸配列の類似性を最初に実行した検索結果もとに自動的作成する反復処理を行なうことで、重み行列を変化させることで、類似の配列の検出感度を高めたBLASTである。 http://www.ncbi.nlm.nih.gov/BLAST/