• わずか１０分で構築できる簡便なクラスター計算システム構築環境を実現
• “Knoppix for InterProScan4.1 High Throughput Computing Edition”（高速処理計算機用クノーピクス・インタープロスキャン）を開発
• バイオインフォマティクスやタンパク質解析等のライフサイエンス研究に不可欠なＩＴ環境を、専門家がいなくても構築可能になることで研究の効率化に貢献

1.

Knoppix for InterProScan4.1 High Throughput Computing Editionとは

Knoppix※３（クノーピクス）は、従来のようにハードディスクにインストールすることなくCDだけで利用することができるLinux※４（リナックス）ディストリブーション※５です。このシステムを利用した後、計算機を再起動することで、元の計算機の状態に簡便に戻すことができるため、一過性の作業などにその用途は広がっています。 　このような特徴のシステムを、European Bioinformatics Institute（EBI）※６が開発した「InterProScan（インタープロスキャン）」という「タンパク質の機能ドメイン検索を行うアプリケーション」に適用できるようにしました。また、検索を高速に実施するユーザのことを考慮して、複数のネットワーク機器（ノード）に分散処理させるアプリケーションである「Condor（コンドル）※７」などの作業管理機能を盛り込み、高速実行環境を簡便な手順で構築することができるシステムとして開発しました。 　今回のシステムは、従来のようなアプリケーションプログラムだけの公開ではなく、オペレーティングシステム、ミドルウェア、そしてアプリケーションといった実行に必要な全ての環境そのものを提供することができます。このため、特にクラスター計算機などの規模の大きなシステムを構築する際のユーザ利用環境によるソフトウェアプログラムの再構築や、システム変更などの不便を解消することができるという特徴を発揮します。

2.

研究手法と成果

クノーピクスで構成されたシステムは、書き込みが必要な情報を、計算機のメインメモリで構成されたラムディスクに対して書き込みます。書き込み変更の必要のない読み出しだけのプログラムファイルなどは、CD-ROM上から直接読み出します。そのため、システムをハードディスクにインストールする必要のない計算機利用環境を提供することができます。クノーピクスは、デバイスの認識率が高いことで知られており、多くの計算機に対して利用することができますが、基本的にラムディスク上で書き込み情報を利用することになるので、その容量はハードディスクと比較して非常に限られています。そのため、バイオインフォマティックスで用いられる膨大なデータベースを利用するタイプのアプリケーションに対しては不向きであるとされてきました。 　研究チームは、構成されているワークノードが持つラムディスクに、「PVFS2※８」や「Gfarm（ジーファーム）※９」等の並列クラスターファイルシステムを適用し、ディスク不要な計算機システムとすることで解決しました。その結果、膨大な量のデータを利用するデータベース利用型のアプリケーションでも十分に実用レベルのシステムを簡便に構築することができるようになりました。具体的には、数十ノードの計算機システムを10分程度の時間で構築設定することが可能となりました。 　これは、熟練したシステムインテグレータが、システムのインストールと調整を行うよりも遥かに早く構築できるということです。さらに、設定に必要なほとんどの操作が、Webブラウザから必要事項を選択確認することができ、大規模なシステムインテグレートに関する専門的な知識が無くても利用することができます。 　このように、バイオインフォマティックスにクノーピクスを利用する際に起きる諸問題を解決し、実践的に活用できるシステムの簡便な構成を実現しました。特に、構築されたシステムの再起動後に元のシステム状態に復元することができるメリットが生まれたことにより、既存の計算資源を安心して活用する手段を提供することができるようになります。

3.	利用方法
	開発したシステムは、理研横浜研究所ゲノム科学総合研究センター（GSC）ゲノム情報先端技術研究グループ広域分散情報統合研究チームのホームページにおいて、CD-ROM ISOイメージのダウンロードによるサービスを準備中で12月1日から利用が可能となります。（http://big.gsc.riken.jp/index_html/ Members/fumikazu/htc/）また、CD-ROMのメディアによる配布は、送料のみの負担で利用することができます。 　対象ユーザは、インタープロスキャンへの大量検索の実施を希望する研究者で、クラスター計算機のワークノードの総メモリ量として、6ギガバイト以上のメモリを確保することができる方です。一般的なクラスター計算機用ノードのメモリ実装量を1ギガバイトとすると、6台以上の計算機でシステムの構築が可能です。

4.	今後の展開
	現在、理研から公開・提供されているデータベースやアプリケーションプログラムなどに対して、本システム構築で培った技術を適用していき、より簡便で柔軟なデータベースやアプリケーションの提供などに応用していきますが、これは、デリバリーインフラストラクチャー※１０としてグリッド技術と同様に、情報のより高度な共有と利用につながっていきます。さらに、バイオインフォマティクスやライフサイエンス研究の発展に貢献できるように、さらなる研究開発を推進します。

<補足説明>

※1	InterProScan（インタープロスキャン）
	European Bioinformatics Institute(EBI)により開発されたタンパク質のドメイン機能検索のためのアプリケーションソフトウェア。入力として与えられるタンパク質配列情報から、既知の様々な機能的な部分を検知することができることから、未知のタンパク質配列に適用して入力タンパク質の機能同定をサポートするアプリケーション。(http://www.ebi.ac.uk/interpro/)
※2	CD-ROM ISOイメージ
	世界標準化を促進するための規格機関である、International Organization for　Standardization（略名:ISO）により規格化された規定に沿って、CDの内容を１つのファイルとして変換したもの。
※3	Knoppix（クノーピクス）
	ドイツで開発されたCDから起動することができるLiveOS型のLinuxディストリブーション。システムの起動をCD等のデバイスから行い、各種デバイスなどを自動的に認識する能力に長けており、プログラムなど改変が必要のないプログラムは、直接CD上のファイルを利用し、改変の必要な設定ファイルなどは、主記憶装置から分割されたRAMディスク上に保管することにより、計算機上のハードディスク上に直接インストール無しに、計算機利用環境を構築することができる機能をサポートしている。日本国内のKnoppix情報は、http://unit.aist.go.jp/itri/knoppix/）で情報が公開されている。
※4	Linux（リナックス）
	Linus Torvalds氏によって開発された、UNIX互換のOS。既存の他のOSのコードを使わずに、各国ボランティアの手によって改良が続けられている。その特徴は、ネットワーク機能やセキュリティーに優れ、また非常に安定している。
※5	ディストリブーション
	インターネットなどから入手したソフトウェアを、さらに別のサイトなどで公開し、第三者が入手できるように配布すること。
※6	European Bioinformatics Institute（EBI）
	バイオインフォマティクスの研究とサービスを行っているセンター。ＤＮＡ、タンパク質の配列および構造等の生物学データの保守管理を行う。
※7	Condor（コンドル）
	米国ウィスコンシン大学マディソン校のProf..Miron Livnyがリーダーとなり、1985年からスタートしたCondor Research Projectで配布されているHTC(High Throughput Computing)を実現するために開発された高機能ジョブスケジューラ（作業管理）システム。(http://www.cs.wisc.edu/condor/)
※8	PVFS2
	米国Clemson大学とアルゴンヌ国立研究所により、オープンソースとして開発された並列クラスターファイルシステム。複数のノードがIOノードとなりディスクスペースを提供し、ファイルをその複数のノードに細切れに格納することで、大規模なディスクストレージシステムを構築することができる。（http://www.pvfs.org/pvfs2/）
※9	Gfarm（ジーファーム）
	Gfarmファイルシステム。産業技術総合研究所により、オープンソースとして開発されている並列クラスター／グリッドファイルシステム。複数の計算ノードのディスクスペースを利用し、ファイルをそれぞれの計算ノードに格納すること、ファイルの複製を複数ノードにもつことにより高性能、高信頼性を実現する。(http://datafarm.apgrid.org/)
※10	デリバリーインフラストラクチャー
	配布のための通信基盤整備
	>>拡大図