InfoBlender Webinar

GenoDedup: Similarity-Based Deduplication and Delta-Encoding for Genome Sequencing Data

Transmissão através de Videoconferência

Por Vinicius Cogo (aluno de doutoramento de Ciências ULisboa).

Abstract: The vast datasets produced in human genomics must be efficiently stored, transferred, and processed while prioritizing storage space and restore performance. Balancing these two properties becomes challenging when resorting to traditional data compression techniques. In fact, specialized algorithms for compressing sequencing data favor the former, while large genome repositories widely resort to generic compressors (e.g., GZIP) to benefit from the latter. Notably, human beings have approximately 99.9% of DNA sequence similarity, vouching for an excellent opportunity for deduplication and its assets: leveraging inter-file similarity and achieving higher read performance. However, identity-based deduplication fails to provide a satisfactory reduction in the storage requirements of genomes. In this work, we balance space savings and restore performance by proposing GenoDedup, the first method that integrates efficient similarity-based deduplication and specialized delta-encoding for genome sequencing data. Our solution currently achieves 67.8% of the reduction gains of SPRING (i.e., the best specialized tool in this metric) and restores data 1.62x faster than SeqDB (i.e., the fastest competitor). Additionally, GenoDedup restores data 9.96x faster than SPRING and compresses files 2.05x more than SeqDB. The paper is available here.

Biography: Vinicius Cogo is a PhD candidate in Informatics from the Faculty of Sciences (Ciências) of the University of Lisbon (ULisboa, Portugal). He has a MSc in Informatics from Ciências/ULisboa and a BSc in Computer Science from the Federal University of Santa Maria (UFSM, Brazil). He is a researcher at LASIGE since 2009 and has worked in 6 projects and authored more than 20 peer-reviewed publications. His research interests include distributed systems, dependability, fault tolerance, storage of critical data, and cloud computing. 

14h00
Logótipo Mentimeter

Ação de formação para docentes e investigadores de CIÊNCIAS.

Título/data/local do evento e fotografia de avião a sobrevoar cidade

“A Interface Urbana na Rede de Transporte Aéreo” é o tema da 4.ª Conferência Anual da redeMOV.

Título "5th edition ULisses", sobre fotografia do mar

Prazo de apresentação de candidaturas prolongado até 15 de janeiro.

Representação antiga da cidade de Lisboa

A conferência está limitada a 100 participantes - realize já a sua inscrição e reserve o dia na sua agenda.

O evento, que conta com a participação do CIUHCT, terá a participação, entre outros, do matemático e historiador da matemática Professor Robin Wilson (Reino Unido) e do criador do primeiro museu de ciência dedicado inteiramente à matemática, Professor Albrecht Beutelspacher (Alemanha).

Ação de formação para docentes e investigadores de CIÊNCIAS.

Fotografia de João Paulo Dias

A Celebration of his 80th Birthday - registration until 24 January.

Um evento dedicado às três áreas de estudo do DEGGE: Engenharia da Energia e Ambiente; Meteorologia, Oceanografia e Geofísica; Engenharia Geoespacial.

Título "Bolsas de Doutoramento Unite! ULisboa", logótipos das entidades promotoras e fotografia de jovem investigadora a utilizar um laptop na esplanada de um café

O 4.º concurso decorre até 28 de fevereiro.

A leading venue for presenting and discussing the latest research, industrial practice and innovations in dependable and secure computing.

Data e logótipo do Dia Aberto, inseridos em mosaico de atividades de investigação

Bem-vindos a Ciências ULisboa!

Um concurso de programação dirigido aos alunos do ensino secundário (11.º e 12.º anos), que visa promover a prática e o gosto pela programação.