పోషకమైన రైస్ ఫర్ ది వరల్డ్

Team

Universit colleges and software industries

Orugallu technology india software industry

Hanamkonda,Warangal city –Telangana-India

Date: 24-4-2019

Time: 16:33

agopal.png

Dr. A.Gopal- Assocaite Proffessor Computing engineering

Agriculture grid computing team

University colleges india . university academic team youthforindia.org iyc.in

ప్రారంభ విడుదల 2008-5-12వేదిక క్రాస్ ప్లాట్ఫాం

డెవలపర్ (లు) సమూద్రాల కంప్యుటేషనల్ బయాలజీ గ్రూప్, [1] వాషింగ్టన్ విశ్వవిద్యాలయం

రకం పంపిణీ కంప్యూటింగ్ వెబ్సైట్ protinfo.compbio.washington.edu/rice

ప్రపంచానికి పోషకమైన రైస్ [2] అనేది వాషింగ్టన్ విశ్వవిద్యాలయంలో సముద్త్రా కంప్యుటేషనల్ బయాలజీ రీసెర్చ్ గ్రూప్ [1] నేతృత్వంలోని వ్యవసాయ విభాగంలో ప్రపంచ కమ్యూనిటీ గ్రిడ్ పరిశోధన ప్రాజెక్ట్. ఇది మే 12, 2008 ప్రారంభించబడింది. [3] [4] బియ్యం ప్రధాన జాతుల ప్రోటీన్ల నిర్మాణాన్ని అంచనా వేయడం ప్రాజెక్టు లక్ష్యం. రైతులు మంచి పంట దిగుబడులతో మెరుగైన బియ్యం జాతులు జాతికి, పెద్ద వ్యాధి మరియు పెస్ట్ నిరోధకతను పెంపొందించడానికి, ప్రపంచ వ్యాప్తంగా ప్రజలకు ప్రయోజనం కలిగించే బయోఎవియేటడ్ పోషక పదార్ధాలన్నింటిని ఉపయోగించుకోవడం, ప్రత్యేకించి పోషకాహార లోపం ఒక క్లిష్టమైన సమస్యగా ఉంది.

 

ప్రోటీన్ల నిర్మాణాన్ని నిర్ణయించడం అత్యంత కష్టమైన మరియు ఖరీదైన ప్రక్రియ. దాని సంబంధిత DNA శ్రేణి నుండి ప్రోటీన్ యొక్క నిర్మాణాన్ని అంచనా వేయడం సాధ్యమే అయినప్పటికీ, బియ్యంలో వేర్వేరు ప్రోటీన్లు ఉన్నాయి. ఇది ఒకే కంప్యూటరు సమంజసమైన సమయ పరిధిలో పరిష్కరించలేని గణన సవాలును అందిస్తుంది. [5]

 

ఒకసారి మొత్తం బియ్యం జన్యువు క్రమక్రమంగా జరిగింది, ప్రయత్నం పెరిగిన దిగుబడి, వ్యాధి నిరోధకత మరియు పోషక విలువలో పాలుపంచుకునే జన్యువులను గుర్తించడానికి మార్చబడింది. సమస్య చాలా కష్టమవుతుంది ఎందుకంటే చాలా తక్కువ ధాన్యం మొక్కలు క్రమక్రమంగా ఉన్నాయి, అందువల్ల చాలా బియ్యం జన్యువులు తెలిసిన ఫంక్షన్ యొక్క జన్యువును పోలి ఉండవు. యూనివర్శిటీ ఆఫ్ వాషింగ్టన్లోని కంప్యుటేషనల్ బయోలజీ రీసెర్చ్ గ్రూప్ ప్రోటిన్ఫో [6] సాఫ్టవేర్ను అభివృద్ధి చేసింది, ఇది ఖర్చు మరియు సమయాలలో ఒక భిన్నంతో ప్రోటీన్ నిర్మాణాలను ఉత్పత్తి చేస్తుంది.

 

వేలాదిమంది బియ్యం ప్రోటీన్ల త్రిమితీయ నమూనాలను రూపొందించడానికి ప్రొటిన్ఫో వాడుతున్నారు. నమూనాలు అప్పుడు ప్రతి ప్రోటీన్ యొక్క పనితీరును అంచనా వేయడానికి మరియు దాన్ని ఎన్కోడ్ చేసే జన్యువు పాత్రను అర్థం చేసుకోవడానికి ఉపయోగిస్తారు. నమూనాలు మరియు వాటిని పరిశీలించిన ఫలితంగా విశ్లేషణ Bioverse డేటాబేస్ మరియు వెబ్ సర్వర్లలో ఉంచబడతాయి, ఇది ఒక జీవి యొక్క మార్గాలు మరియు వ్యవస్థలకు ప్రోటీన్లు మరియు DNA వంటి అణువులను వివరించడానికి సమగ్రమైన ఫ్రేమ్వర్క్.

 

వరల్డ్ కమ్యూనిటీ గ్రిడ్లో వాలంటీర్స్ కంప్యూటర్లు ప్రొటింఫా సాఫ్ట్వేర్ను అమలు చేస్తాయి, దీని నిర్మాణాన్ని విశ్వసనీయంగా అంచనా వేయగల బియ్యం జన్యువు ద్వారా రూపొందించబడిన అన్ని ప్రోటీన్ల నమూనాలను సృష్టించవచ్చు. నమూనాలు ఉత్తమ వాటిని ఎంచుకోవడానికి విశ్లేషించబడుతుంది. ఫలిత నిర్మాణాల నుండి, ఊహాత్మక సాధనాలు ప్రతి ప్రోటీన్ యొక్క పనితీరును మరియు జన్యువు యొక్క గుణాన్ని సూచిస్తాయి. ప్రొటిన్ఫో యొక్క శక్తిని ఉపయోగించి, వరల్డ్ కమ్యూనిటీ గ్రిడ్ ప్రారంభంలో 10,000 జన్యువులను పరిశీలిస్తుంది మరియు జన్యువుకు 100,000 నమూనాలను ఉత్పత్తి చేస్తుంది.

 

చివరికి, 30,000 నుండి 60,000 ప్రోటీన్ల నిర్మాణాలు అధ్యయనం చేయబడతాయి. [7] కంప్యూటింగ్ బయోలజీ రీసెర్చ్ గ్రూప్ వద్ద 320 CPU క్లస్టర్లో ఒక బిలియన్ నమూనాలను రూపొందించడం 30 ఏళ్ళు సాధించడానికి ఊహించబడింది; ఏదేమైనా, వరల్డ్ కమ్యూనిటీ గ్రిడ్ని 167 TFLOPS వద్ద పనిచేస్తున్న రెండు సంవత్సరాల మాత్రమే పట్టింది. [8] పంపిణీ చెయ్యబడిన కంప్యూటింగ్ ఫంక్షన్ ఏప్రిల్ 2010 లో నిలిపివేయబడింది, ఫలితాల యొక్క అంతర్గత విశ్లేషణ కొనసాగుతుంది. నిధులను మరింత దశల్లో భద్రపరచినప్పుడు DC ఫంక్షన్ ప్రారంభమవుతుంది.

 

ఫలితమైన నాలెడ్జ్ బేస్ అధిక దిగుబడి, అధిక వ్యాధి మరియు చీడ నిరోధకత, మరియు బయోఅవుట్లు లభించే పోషకాల పూర్తి శ్రేణితో బియ్యం జాతుల మెరుగైన హైబ్రిడ్ల అభివృద్ధికి దారి తీస్తుంది. జ్ఞానం గోధుమ మరియు మొక్కజొన్న వంటి ఇతర ఆహార పంటలకు కూడా విస్తరించబడుతుంది. [9]

 

పనికి కావలసిన సరంజామ

ప్రాజెక్ట్ కనీస సిస్టమ్ అవసరాలు [10] ప్రాజెక్ట్ కోసం లెక్కల కట్టుబడి ఉండాలి, అవి వీటిని కలిగి ఉంటాయి:

 

కనీసం 128 MB RAM (వర్చ్యువల్ మెమొరీతో ఎనేబుల్)

కనీసం 50 MB అందుబాటులో ఉన్న 200 MB హార్డ్ డిస్క్ డ్రైవ్

640x480 రిజల్యూషన్ వద్ద 8-బిట్ గ్రాఫిక్స్ని ప్రదర్శించే సామర్ధ్యం

కనీస 28kbit / s వేగంతో ఇంటర్నెట్ కనెక్షన్

ఆపరేటింగ్ సిస్టమ్: ఇంటెల్ లేదా పవర్పీసీ ప్రాసెసర్ ఉపయోగించి విండోస్ 98, ME, 2000, XP, Vista, Linux లేదా Mac OS X

utritious Rice for the World

Developer(s)     Samudrala Computational Biology Group,[1] University of Washington

Initial release     2008-5-12

Platform              Cross-platform

Type      Distributed computing

Website               protinfo.compbio.washington.edu/rice

Nutritious Rice for the World[2] is a World Community Grid research project in the field of agronomy led by the Samudrala Computational Biology Research Group[1] at the University of Washington. It was launched on May 12, 2008.[3][4] The objective of this project is to predict the structure of proteins of major strains of rice. The intent is to help farmers breed better rice strains with higher crop yields, promote greater disease and pest resistance, and utilize a full range of bioavailable nutrients that can benefit people around the world, especially in regions where malnutrition is a critical concern.

 

Determining the structure of proteins is an extremely difficult and expensive process. Though it is possible to computationally predict a protein's structure from its corresponding DNA sequence, there are thousands of distinct proteins found in rice. This presents a computational challenge that a single computer cannot solve within a reasonable timeframe.[5]

 

Once that the entire rice genome had been sequenced, the effort shifted to identifying genes that are involved in increased yield, disease resistance and nutritional value. This problem is made more difficult because very few cereal plants have been sequenced, and therefore, many of the rice genes do not resemble any genes of known function. The Computational Biology Research Group at the University of Washington developed the Protinfo[6] software, which can produce protein structures at a fraction of the cost and time.

 

Protinfo is being used to create three-dimensional models of the tens of thousands of rice proteins. These models are then used to predict the function of each protein and to understand the role of the gene that encodes it. The models, and any analysis resulting from examining them, will be housed at the Bioverse database and webserver, which is a comprehensive framework to relate molecules such as proteins and DNA to an organism's pathways and systems.

 

दुनिया के लिए पौष्टिक चावल

डेवलपर (ओं) समुद्र विज्ञान कम्प्यूटेशनल जीवविज्ञान समूह, [1] वाशिंगटन विश्वविद्यालय

प्रारंभिक रिलीज़ 2008-5-12

मंच क्रॉस-प्लेटफॉर्म

वितरित कंप्यूटिंग टाइप करें

वेबसाइट protinfo.compbio.washington.edu/rice

दुनिया के लिए पौष्टिक चावल [2] वाशिंगटन विश्वविद्यालय में समुंद्राल कम्प्यूटेशनल बायोलॉजी रिसर्च ग्रुप [1] के नेतृत्व में कृषि विज्ञान के क्षेत्र में एक विश्व सामुदायिक ग्रिड अनुसंधान परियोजना है। इसे 12 मई, 2008 को लॉन्च किया गया था। [3] [4] इस परियोजना का उद्देश्य चावल के प्रमुख उपभेदों के प्रोटीन की संरचना का अनुमान लगाना है। किसानों को उच्च फसल की पैदावार, बेहतर रोग और कीट प्रतिरोध को बढ़ावा देने के साथ बेहतर चावल की उपज देने में मदद करने और जैव-पोषक तत्वों की एक पूरी श्रृंखला का उपयोग करने का इरादा है, जो दुनिया भर के लोगों को लाभान्वित कर सकता है, खासकर उन क्षेत्रों में जहां कुपोषण एक महत्वपूर्ण चिंता है।

 

प्रोटीन की संरचना का निर्धारण एक अत्यंत कठिन और महंगी प्रक्रिया है। यद्यपि इसके संगत डीएनए अनुक्रम से प्रोटीन की संरचना का कम्प्यूटेशनल रूप से अनुमान लगाना संभव है, चावल में हजारों अलग-अलग प्रोटीन पाए जाते हैं। यह एक कम्प्यूटेशनल चुनौती प्रस्तुत करता है जो एक एकल कंप्यूटर एक उचित समय सीमा के भीतर हल नहीं कर सकता है। []

 

एक बार जब पूरे चावल के जीनोम को अनुक्रमित किया गया था, तो प्रयास ऐसे जीनों की पहचान करने के लिए स्थानांतरित हो गया जो बढ़ी हुई उपज, रोग प्रतिरोध और पोषण मूल्य में शामिल हैं। इस समस्या को और अधिक कठिन बना दिया गया है क्योंकि बहुत कम अनाज वाले पौधों को अनुक्रमित किया गया है, और इसलिए, चावल के कई जीन ज्ञात फ़ंक्शन के किसी भी जीन से मिलते-जुलते नहीं हैं। वाशिंगटन विश्वविद्यालय में कम्प्यूटेशनल बायोलॉजी रिसर्च ग्रुप ने प्रोटिनफो [6] सॉफ्टवेयर विकसित किया, जो लागत और समय के एक अंश पर प्रोटीन संरचनाओं का उत्पादन कर सकता है।

 

प्रोटिनफो का उपयोग दसियों हजार राइस प्रोटीन के तीन आयामी मॉडल बनाने के लिए किया जा रहा है। इन मॉडलों का उपयोग तब प्रत्येक प्रोटीन के कार्य की भविष्यवाणी करने और जीन की भूमिका को समझने के लिए किया जाता है जो इसे एनकोड करता है। मॉडल, और उनकी जांच करने के परिणामस्वरूप होने वाले किसी भी विश्लेषण को बिओवर्स डेटाबेस और वेबसर्वर में रखा जाएगा, जो एक जीव के रास्ते और प्रणालियों के लिए प्रोटीन और डीएनए जैसे अणुओं से संबंधित एक व्यापक ढांचा है।

 

विश्व सामुदायिक ग्रिड पर स्वयंसेवकों के कंप्यूटर चावल जीनोम द्वारा एन्कोड किए गए सभी प्रोटीनों के मॉडल बनाने के लिए प्रोटिनफो सॉफ्टवेयर चलाएंगे, जिनकी संरचना का अनुमान लगाया जा सकता है। इन मॉडलों का विश्लेषण सबसे अच्छा चुनने के लिए किया जाएगा। परिणामी संरचनाओं से, भविष्यवाणी उपकरण प्रत्येक प्रोटीन के कार्य और जीन की भूमिका को निर्धारित करेगा जो इसे एन्कोड करता है। Protinfo की शक्ति का उपयोग करते हुए, विश्व समुदाय ग्रिड शुरू में 10,000 से अधिक जीनों की जांच करेगा, और प्रति जीन 100,000 मॉडल का उत्पादन करेगा।

 

आखिरकार, 30,000 से 60,000 प्रोटीन की संरचनाओं का अध्ययन किया जाएगा। [7] कम्प्यूटेशनल बायोलॉजी रिसर्च ग्रुप में 320 सीपीयू क्लस्टर पर एक बिलियन मॉडल तैयार करने के लिए लगभग 30 साल लगने का अनुमान था; हालांकि, वर्ल्ड कम्युनिटी ग्रिड का उपयोग करने में लगभग 167 TFLOPS पर काम करने में केवल दो साल लगे। [Gr] वितरित कंप्यूटिंग फ़ंक्शन को अप्रैल 2010 में निलंबित कर दिया गया था जबकि परिणामों का इन-हाउस विश्लेषण जारी है। जब फंड आगे के चरणों के लिए सुरक्षित हो जाता है तो DC फ़ंक्शन फिर से शुरू होगा।

 

परिणामी ज्ञान का आधार उम्मीद से अधिक उपज, अधिक रोग और कीट प्रतिरोध, और जैव उपलब्धता पोषक तत्वों की एक पूरी श्रृंखला के साथ चावल के उपभेदों के उन्नत संकरों के विकास की ओर ले जाएगा। इस ज्ञान को अन्य खाद्य फसलों जैसे गेहूं और मक्का तक भी बढ़ाया जा सकता है। []

 

सिस्टम आवश्यकताएं

परियोजना की न्यूनतम सिस्टम आवश्यकताएँ हैं [10] जो कंप्यूटर परियोजना के लिए गणना करता है, उसका पालन करना चाहिए, जिसमें शामिल हैं:

 

कम से कम 128 एमबी रैम (वर्चुअल मेमोरी के साथ सक्षम)

उपयोग के लिए कम से कम 50 एमबी के साथ 200 एमबी हार्ड डिस्क ड्राइव

640x480 रिज़ॉल्यूशन पर 8-बिट ग्राफिक्स प्रदर्शित करने की क्षमता

न्यूनतम 28kbit / s गति के साथ एक इंटरनेट कनेक्शन

ऑपरेटिंग सिस्टम: विंडोज 98, एमई, 2000, एक्सपी, विस्टा, लिनक्स, या मैक ओएस एक्स में इंटेल या पावरपीसी प्रोसेसर का उपयोग कर