Traduction de la page Research Projects. Actuellement, c'est l'application GARLI qui est utilisée sur la grille Lattice. Il faut un minimum de 1 Go de mémoire vive pour pouvoir y participer : l'application GARLI peut utiliser jusqu'à 384 Mo.
Au cours de ces dernières années, nous avons convié le corps enseignant, les post-doctorants, et les étudiants du premier cycle de l'université du Maryland à se servir du projet Lattice pour leurs projets de recherche.
Le travail avec différents chercheurs, notamment le fait de les aider à organiser et soumettre leurs travaux, écouter leurs impressions, nous a poussé à améliorer constamment le système et nous a démontré que davantage de travail était nécessaire. Dans l'ensemble, le contenu des projets que nous avons décidé de soutenir est extrêmement diversifié. The Lattice Project est cité dans un certain nombre de publications résultant de ces recherches. Ci-dessous, sont fournies des informations relatives aux calculs effectués sur Lattice, les applications utilisées pour ces calculs, et les projets spécifiques.
SOMMAIRE :
- Analyse phylogénétique - GARLI
- Comparaison des séquences protéiques - HMMPfam
- Modélisation d'un réseau de réserves naturelles - MARXAN
Analyse phylogénétique - GARLI
Le laboratoire Cummings utilise GARLI pour déduire les relations évolutionnaires en partant des séquences d'ADN.
Comparaison des séquences protéiques - HMMPfam
Le laboratoire Edwards utilise HMMPfam pour calculer les domaines Pfam de toutes les séquences de protéines bactériennes, plasmidiennes, et virales présentent dans les bases de données Swiss-Prot, TrEMBL, GenBank, RefSeq, et TIGR's CMR, ainsi que dans une base de données incluant toutes les prévisions plausibles réalisées à l'aide d'un programme de prévision, Glimmer, du génome des bactéries présentent dans la base de données RefSeq. Ces séquences de protéines, et leurs domaines Pfam, sont utilisées dans la base de données d'identification rapide des micro-organismes (www.RMIDb.org - Rapid Microorganism Identification Database). HMMPfam est également utilisé sur la grille Lattice comme modèle pour des applications bio-informatiques nécessitant un nombre important de données, une collaboration entre les laboratoires Cummings et Edwards.
Modélisation d'un réseau de réserves naturelles - MARXAN
MARXAN est un programme d'aide à la décision pour aménager des réseaux de réserves naturelles. Ce programme est utile pour sélectionner une réserve naturelle lorsque l'on dispose d'un grand nombre de sites possibles qui satisferont un certain nombre de critères écologiques, sociaux et économiques. Par exemple, certaines espèces ou caractéristiques de conservation doivent être correctement préservées à l'intérieur de la réserve naturelle, ou la réserve naturelle ne doit pas compter plus qu'un nombre spécifié de sites. L'utilisateur traduit ces critères en objectifs de conservation de telle sorte que les caractéristiques de conservation soient préservées (c'est à dire la population pour chaque espèce ou le pourcentage de chaque type d'habitat à inclure dans la réserve naturelle), et optionnellement le coût plafond ou le degré de concentration des sites. MARXAN modélisera les réseaux de réserves sélectionnées en fonction de ces contraintes de conception tout en réduisant simultanément au minimum le coût de l'aménagement (c'est-à-dire le nombre de sites requis pour satisfaire tous les objectifs de conservation).
Données de mauvaise qualité et sélection des réseaux de réserves naturelles :
Joanna Grand, Maile Neel, Michael
Cummings (Université du Maryland), Taylor Ricketts (WWF),
et Tony Rebelo
(institut national sud-africain de la biodiversité)
coopèrent sur un projet utilisant MARXAN afin de mesurer la
capacité de sélectionner des réseaux
de réserves naturelles à partir de distributions
d'espèces de mauvaise qualité et
incomplètes. La plupart des distributions
d'espèces sont d'une façon ou d'une autre de
mauvaise qualité (c'est-à-dire une
intensité d'échantillonnage
élevée à proximité des
routes ou à l'intérieur des réserves
actuelles) ; pourtant, elles sont généralement
utilisées pour sélectionner les sites devant
faire partie des réseaux de réserves naturelles
parce qu'elles sont considérées comme les
meilleures données actuellement disponibles. La
capacité des réseaux de réserves
à protéger convenablement la
biodiversité lorsque les emplacements sont
sélectionnées à partir de
données de mauvaise qualité et
incomplètes est encore mal comprise.
La première série de calcul compare
l'efficacité et l'effictivité des
réseaux de réserves
sélectionnés et
générés à l'aide de MARXAN
et de données d'espèces complètes mais
de mauvaise qualité. En tant que
référence pour les données
complètes, nous avons utilisé les
données issues d'un échantillon virtuel exhaustif
de plantes à fleurs de la famille des Proteaceae dans la
Région Floristique du Cap en Afrique du Sud. Pour produire
un éventail suffisant de solutions en vue de les comparer
à la solution basée sur des données
exhaustives, nous avons simulé un ensemble de 1000
données de mauvaise qualité et
aléatoirement incomplètes à partir de
l'ensemble de données des Proteaceae. Chaque ensemble de
données a alors été calculé
1000 fois par MARXAN. Cette étude a exigé 1,2002
x 107 modélisations MARXAN, ces
calculs ont été effectués en seulement
quelques semaines à l'aide de la parallélisation
des calculs sur la grille Lattice.
Actuellement, nous étudions la capacité des
réseaux de réserves à
protéger des espèces lorsque
l'aménagement de ces réserves est basé
sur des distributions détaillées
d'espèces qui sont souvent incomplètes et de
mauvaise qualité, par rapport à des conditions
ambiantes brutes, plus facile à acquérir et
insensibles aux biais de l'échantillonage. Nous comparerons
les solutions obtenues avec MARXAN et
générées à l'aide de
données d'espèces complètes,
biaisées, et aléatoires, à celles
générées avec des données
environnementales (groupes de végétaux), et les
combinaisons de ces deux types de données. Cette analyse
demandera plus de 7,6 x 107 simulations MARXAN
et utilisera de nouveau la grille Lattice afin de rendre possible le traitement de cette
énorme quantité de calcul.