Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An In-Silico Structural Analysis of the Interactions of SoxY and SoxZ from Moderately Thermophilic Betaproteobacterium, Hydrogenophilus thermoluteolus in the Global Sulfur Oxidation Cycle Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Big Data Analytics and Its Prospects in Computational Proteomics

verfasst von : Sagnik Banerjee, Subhadip Basu, Mita Nasipuri

Erschienen in: Information Systems Design and Intelligent Applications

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The volume and variety of data in biology is increasing at an exponential velocity. Every week new proteins are getting sequenced and novel structures are being discovered. With the advent of hitherto unknown diseases, it has become imperative that vaccines and drugs be designed as fast as possible. This is causing an immense surge of information which is becoming increasing difficult to process due to limited computational resources. Thus the need of the hour is to harness technologies, like Big Data, which will help distribute computations over a group of nodes and hasten the process of data analysis. In this paper we have explored some techniques to dispense the job of data analysis to several computers which could work in parallel and reach a solution faster.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Dynamic Software Metrics for Object Oriented Software: A Review
Nächstes Kapitel The Future ICT Education in India—A Pilot Study on the Vision of Ubiquitous Learning in Higher Education
Literatur
1.
Shvachko, K., Kuang, H., Radia, S., Chansler, R.: The Hadoop distributed file system. In: IEEE 26th Symposium on Mass Storage Systems and Technologies (MSST), pp. 1–10. IEEE (2010)
2.
May, M.: Life science technologies: big biological impacts from big data. Science (80), 344, 1298–1300 (2014)
3.
Berman, H.M., Westbrook, J., Feng, Z., Gilliland, G., Bhat, T.N., Weissig, H., Shindyalov, I.N., Bourne, P.E.: The protein data bank. Nucleic Acids Res. 28, 235–242 (2000)CrossRef
4.
The UniProt Consortium: Update on activities at the Universal Protein Resource (UniProt) in 2013. Nucleic Acids Res. 41, D43–D47 (2013)CrossRef
5.
Finn, R.D., Bateman, A., Clements, J., Coggill, P., Eberhardt, R.Y., Eddy, S.R., Heger, A., Hetherington, K., Holm, L., Mistry, J., Sonnhammer, E.L.L., Tate, J., Punta, M.: Pfam: the protein families database. Nucleic Acids Res. 42, D222–D230 (2014)CrossRef
6.
Murzin, A.G., Brenner, S.E., Hubbard, T., Chothia, C.: SCOP: a structural classification of proteins database for the investigation of sequences and structures. J. Mol. Biol. 247, 536–540 (1995)
7.
Andreeva, A., Howorth, D., Chothia, C., Kulesha, E., Murzin, A.G.: SCOP2 prototype: a new approach to protein structure mining. Nucleic Acids Res. 42, D310–D314 (2014)CrossRef
8.
Orengo, C.A., Michie, A.D., Jones, S., Jones, D.T., Swindells, M.B., Thornton, J.M.: CATH–a hierarchic classification of protein domain structures. Structure 5, 1093–1109 (1997)CrossRef
9.
Grabowski, T.J., Cho, H.S., Vonsattel, J.P.G., Rebeck, G.W., Greenberg, S.M.: Novel amyloid precursor protein mutation in an Iowa family with dementia and severe cerebral amyloid angiopathy. Ann. Neurol. 49, 697–705 (2001)CrossRef
10.
Blum, M., Floyd, R.W., Pratt, V., Rivest, R.L., Tarjan, R.E.: Time bounds for selection. J. Comput. Syst. Sci. 7, 448–461 (1973)MathSciNetCrossRefMATH
11.
Liao, C.-S., Lu, K., Baym, M., Singh, R., Berger, B.: IsoRankN: spectral methods for global alignment of multiple protein networks. Bioinformatics 25, i253–i258 (2009)CrossRef
12.
Hecker, M., Lambeck, S., Toepfer, S., Van Someren, E., Guthke, R.: Gene regulatory network inference: data integration in dynamic models—a review. Biosystems 96, 86–103 (2009)CrossRef
13.
Sumazin, P., Yang, X., Chiu, H.H.-S., Chung, W.W.-J., Iyer, A., Llobet-Navas, D., Rajbhandari, P., Bansal, M., Guarnieri, P., Silva, J.: An extensive microRNA-mediated network of RNA–RNA interactions regulates established oncogenic pathways in glioblastoma. Cell 147, 370–381 (2011)CrossRef
14.
Pancaldi, V., Bähler, J.: In silico characterization and prediction of global protein–mRNA interactions in yeast. Nucleic Acids Res. 39, 5826–5836 (2011)CrossRef
15.
Chatterjee, P., Basu, S., Kundu, M., Nasipuri, M., Plewczynski, D.: PPI_SVM: prediction of protein–protein interactions using machine learning, domain–domain affinities and frequency tables. Cell. Mol. Biol. Lett. 16, 264–278 (2011)CrossRef
16.
Bas, D.C., Rogers, D.M., Jensen, J.H.: Very fast prediction and rationalization of pKa values for protein–ligand complexes. Proteins Struct. Funct. Bioinf. 73, 765–783 (2008)CrossRef
17.
Basu, S., Plewczynski, D.: AMS 3.0: prediction of post-translational modifications. BMC Bioinf. 11, 210 (2010)CrossRef
18.
Plewczynski, D., Basu, S., Saha, I.: AMS 4.0: consensus prediction of post-translational modifications in protein sequences. Amino Acids 43, 573–582 (2012)CrossRef
19.
Chatterjee, P., Basu, S., Kundu, M., Nasipuri, M., Plewczynski, D.: PSP_MCSVM: brainstorming consensus prediction of protein secondary structures using two-stage multiclass support vector machines. J. Mol. Model. 17, 2191–2201 (2011)CrossRef
20.
Sriwastava, B.K., Basu, S., Maulik, U., Plewczynski, D.: PPIcons: identification of protein–protein interaction sites in selected organisms. J. Mol. Model. 19, 4059–4070 (2013)CrossRef
Metadaten
Titel
Big Data Analytics and Its Prospects in Computational Proteomics
verfasst von
Sagnik Banerjee
Subhadip Basu
Mita Nasipuri
Copyright-Jahr
2015
Verlag
Springer India
Buch
Information Systems Design and Intelligent Applications

Print ISBN: 978-81-322-2246-0

Electronic ISBN: 978-81-322-2247-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-81-322-2247-7_60

Premium Partner

    Bildnachweise