Sirvi Autor "Vasar, Martti" järgi
Nüüd näidatakse 1 - 2 2
- Tulemused lehekülje kohta
- Sorteerimisvalikud
Kirje Developing a bioinformatics pipeline gDAT to analyse arbuscular mycorrhizal fungal communities using sequence data from different marker regions(2020-07-06) Vasar, Martti; Öpik, Maarja, juhendaja; Young, J. Peter W., juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkondMullas on palju mikroorganisme, ning neil on oluline roll ökosüsteemide toimimisel. Üheks oluliseks mikroorganismide rühmaks on arbuskulaarset mükoriisat (AM) moodustavad seened (krohmseened). AM on seenjuure vorm, mida moodustavad krohmseened enamuse roht- ja puittaimedega, sealhulgas paljude kultuurtaimedega. Mükoriisses kooselus saab peremeestaim seene abil kasvuks vajalikke mineraalaineid ja vett, seen omakorda taimelt fotosünteesil tekkinud süsivesikuid. Lisaks parandavad AM seened taimede toimetulekut stressitingimustega, näiteks veepuuduse ja haigustekitajatega. Antud doktoritöös uuriti AM seente määramise efektiivsust kasutades kolme mikroorganismide määramiseks enim kasutatud genoomset markerpiirkonda (SSU, ITS, LSU) ja erinevate sekveneerimisplatvormide sobivust AM seente määramiseks ökoloogilistest proovidest. Doktoritöö raames valmis graafilise liidesega bioinformaatiline töövahend gDAT (graphical downstream analyse tool), mis aitab ökoloogidel analüüsida suuremahulisi DNA järjestusandmeid. Doktoritöö peamised tulemused ja järeldused on: 1) SSU markerpiirkond on piisavalt varieeruv AM seeneliikide määramiseks. Teisisõnu, selle markeri liigisisene varieeruvus on AM seentel väiksem kui liikidevaheline varieeruvus; 2) uute sekveneerimisplatvormide tulekuga on järjestuste maht proovi kohta mitmekordistunud, kuid liigirikkus proovi kohta püsib sama ja saadud ökoloogiline teave (elurikkuse hinnang) on võrreldav eelmise põlvkonna sekveneerimisplatvormil saaduga. Seega on metoodiliselt optimaalne proovipõhine järjestuste arv saavutatud AM seeneliikide määramiseks ning elurikkuse hindamiseks looduskeskkonnast; 3) lisaks SSU markerpiirkonnale saab arvukamaid AM seeni edukalt määrata ka järjestades koguseenekooslust ITS piirkonna praimersüsteeme kasutades; 4) arendatud bioinformaatiline töövahend gDAT võimaldab kiirelt, tõhusalt teostada AM seente uurimusi pärilikkusaine põhjal. See töövahend on kasutatav ka teiste organismide DNA-põhiseks määramiseks.Kirje Raamistik pilvel põhinevate veebirakenduste skaleeruvuse ja jõudluse kontrollimiseks(Tartu Ülikool, 2012) Vasar, Martti; Srirama, Satish Narayana; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Arvutiteaduse instituutAntud magistritöö uurib võimalusi, kuidas kasutada veebirakendust MediaWiki, mida kasutatakse Wikipedia rakendamiseks, ja kuidas kasutada antud teenust mitme serveri peal nii, et see oleks kõige optimaalsem ja samas kõik veebikülastajad saaks teenusele ligi mõistliku ajaga. Amazon küsib raha pilves toimivate masinate ajalise kasutamise eest, ümardades pooleldi kasutatud tunnid täistundideks. Antud töö sisaldab vahendeid kuidas mõõta pilves olevate serverite jõudlust ning võimekust ja skaleerida antud veebirakendust. Amazon EC2 pilvesüsteemis on võimalik kasutajatel koostada virtuaalseid tõmmiseid operatsiooni süsteemidest, mida saab pilves rakendada XEN virtualiseerimise keskkonnas, kui eraldiseisvat serverit. Antud virtuaalse tõmmise peale sai paigaldatud tööks vaja minev keskkond, et koguda andmeid serverite kasutuse kohta ja võimaldada platvormi, mis lubab dünaamiliselt ajas lisada servereid ja eemaldada neid. Magistritöö uurib Amazon EC2 pilvesüsteemi kasutusvõimalusi, mille hulka kuulub Auto Scale, mis aitab skaleerida pilves kasutatavaid rakendusi horisontaalselt. Amazon pilve kasutatakse antud töös MediaWiki seadistamiseks ja suuremahuliste eksperimentide rakendamiseks. Vajalik on teha palju optimiseerimisi ja seadistamisi, et suurendada teenuse läbilaske võimsust. Antud töö raames loodud raamistik aitab mõõta serverite kasutust, kogudes andmeid protsessori, mälu ja võrgu kasutamise kohta. See aitab leida süsteemis olevaid kitsaskohti, mis võivad põhjustada süsteemi olulist aeglustumist. Antud töö raames sai tehtud erinevaid teste, et selgitada välja parim võimalik paigutus ja seadistus. Saavutatud seadistust kontrolliti hiljem 2 suuremahulise eksperimentiga, mis kestis üks päev ja mille käigus tekitati 22 miljonit päringut, leidmaks kuidas raamistik võimaldab teenust pilves skaleerida ülesse päringute arvu tõusmisel ja vähendada servereid, kui päringute arv väheneb. Ühes eksperimendis kasutati optimaalset heuristikat, et selgitada välja optimaalne serverite arv, mida on vaja pilves rakendada. Teine eksperimentidest kasutas Amazon Auto Scale teenust, mis kasutas serverite keskmist protsessori kasutamist, et selgitada välja, kas pilves on vaja servereid lisada või eemaldada. Antud eksperimendid näitavad selgelt, et kasutades dünaamilist arvu servereid, olenevalt päringute arvust, on võimalik teenuse üleval hoidmiseks säästa raha.