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
Estátua representativa da biodiversidade do planeta Terra

Seminários de Tese no âmbito do Doutoramento em Biologia e Ecologia das Alterações Globais.

O encontro reúne cientistas, profissionais e estudantes de diferentes áreas e regiões do país focados em desenvolver a investigação marinha, em linha com a Década da Ciência Oceânica para o Desenvolvimento Sustentável, proclamada pelas Nações Unidas (2021-2030).

Formação modular de 13 de abril a 11 de maio - produção em permacultura.

Logótipo da ação CLEANFOREST

Forests are exposed to multiple global change drivers, wich can constrain their ability to continue providing several ecosystem services (including climate change mitigation). Assessing responses - and underlined mechanisms -  at the whole ecosystem scale is paramount for a holistic understanding of forest response to global change.

Seminário do Centro de Física Teórica e Computacional, por Eduardo V. Castro (Departamento de Física e Astronomia, Faculdade de Ciências, Universidade do Porto, Portugal).

Seminário Permanente de Filosofia das Ciências, por Jean-Baptiste Joinet (Université Jean Moulin Lyon 3, IRPhiL).

Logótipo do evento

Evento final do Projeto iSEA, com inscrições até 30 de abril.

Título e data do evento, inseridos em fotografia de cinco jovens em contexto de investigação

Este ano, queremos voltar a encher o nosso campus com a presença de todos os estudantes que queiram participar neste evento.

Título e data do workshop

Workshop no âmbito da recente adesão da Universidade de Lisboa à CoARA - Coalition for Advancing Research Assessment.

Título e datas de candidatura do programa, sobre um padrão em tons de roxo e laranja

Submissão de candidaturas até 14 de maio.

Título do curso

Curso Avançado CEAUL / Gades Solutions.

Logótipo do LIP Summer Internship Program e fotografia de jovem investigador

Os estágios podem ter uma duração entre duas semanas e dois meses e realizam-se nos três polos do LIP - candidaturas até 15 de maio.

Os oradores plenários irão falar sobre a importância da interdisciplinaridade de forma acessível para todos, estando previstas palestras e apresentação de pósteres por alunos.

Logótipo do EVM 2024

Candidaturas até 15 de maio.

Aula aberta no âmbito da Unidade Curricular de Aprendizagem Profunda, por João Carreira (Deepmind).

Um evento dirigido aos alunos do ensino secundário, consistindo numa palestra sobre a microscopia e em visitas aos laboratórios de microscopia/demonstrações experimentais simples.

Árvore florida

A minha Jornada pela Matemática: Descobertas, Escolhas e Desafios, por Ana Catarina Monteiro - estudante do Mestrado em Matemática (Licenciatura: Matemática).

Aula aberta no âmbito da Unidade Curricular de Aprendizagem Profunda, por Hugo Penedones (Inductiva).

Composição com os nomes das Universidades participantes

Candidaturas até 25 de maio (mobilidades no 1.º semestre).

Título do prémio

As candidaturas decorrem até ao dia 31 de maio.

Inscrições até 24 de maio.

Título do programa e logótipos das entidades organizadoras, sobre fotografia do espaço

O programa decorre de 08 a 26 de julho, com candidaturas até 03 de junho.

Pormenor de linguagem corporal (braços e mãos) de pessoa a dialogar

Ação de formação para docentes e investigadores de Ciências.

Feixes luminosos

Envio de propostas até 20 de junho.

Logótipo do prémio

As candidaturas à 11.ª edição decorrem até 28 de junho.

Páginas