Unjuk Kerja Aplikasi Komputasi Biologi Basic Local Alignment Search Tool dengan Menggunakan Bio- ClusterGrid

Unjuk Kerja Aplikasi Komputasi Biologi Basic Local Alignment Search Tool dengan Menggunakan

Bio-ClusterGrid

Riri Fitri Sari, Adyarachman Herdian

Departemen Elektro Fakultas Teknik Universitas Indonesia Kampus Baru UI Depok 16424

riri@ui.edu, adhe62@ui.edu Abstrak

Teknologi komputer yang berkembang sangat cepat mengakibatkan kebutuhan akan sumber daya komputasi seperti kecepatan proses dan media penyimpanan terus menerus bertambah. Bukanlah hal yang bijak jika terus menerus meningkatkan spesifikasi komputer demi memenuhi kebutuhan akan sumber daya ini. Atas dasar itulah lahir sebuah teknologi baru yaitu Grid Computing yang merupakan penerus teknologi Distributed Computing. Grid Computing mempunyai ide dasar yaitu menggunakan sumber daya komputer dari suatu jaringan untuk menyelesaikan suatu masalah.

Pada makalah ini dibahas mengenai prinsip kerja SUN Grid Engine (SGE) yang merupakan komponen dasar Bio-ClusterGrid (BCG) yang diaplikasikan dengan menggunakan aplikasi komputasi biologi Basic Local Alignment Search Tool (BLAST). Dalam makalah ini akan diamati node-node mana saja yang dipilih oleh SGE untuk menjalankan aplikasi BLAST dan alasan mengapa SGE memilih node tersebut untuk menjalankan aplikasi BLAST.

Pengamatan dilakukan dengan memasukkan pekerjaan komputasi biologi BLAST ke sistem sebanyak 15 sesi dan setiap sesi pekerjaan dimasukkan sebanyak kurang lebih 100 kali. Dapat dilihat bahwa node yang memiliki load awal rata-rata terkecil yaitu node micron (0,008) dan neutron (0,0067) akan mengalami peningkatan load akhir rata-rata-rata-rata yang paling signifikan yaitu micron sebesar 0,079 dan neutron sebesar 0,075. Sedangkan node yang lainnya cenderung mengalami penurunan load karena pekerjaan jarang dimasukkan ke node tersebut. Hal ini menunjukkan bahwa prinsip kerja SGE adalah memilih node dengan load yang terkecil untuk diberikan pekerjaan.

Kata Kunci : Grid Computing, Komputasi Grid, Bio-ClusterGrid, Sun Grid Engine

1. PENDAHULUAN

Saat ini terjadi kemajuan yang sangat pesat, terutama teknologi dalam bidang komputer dan komunikasi. Kemajuan ini juga mendorong meningkatnya kebutuhan akan peningkatan dalam kecepatan perhitungan komputer dalam menyelesaikan masalah yang diberikan oleh pengguna. Kemampuan sumber daya lokal dianggap sudah tidak dapat lagi memenuhi permintaan pengguna akan komputasi aplikasi yang lebih tinggi, terutama dalam masalah pemrosesan dan penyimpanan (storage). Bukanlah suatu hal yang bijak jika terus menerus meningkatkan spesifikasi komputer untuk mendapatkan kecepatan pemrosesan dan besarnya tempat penyimpanan data. Hal tersebut tentu saja akan memakan biaya yang besar karena perkembangan teknologi komputer.

Untuk mengatasi hal-hal tersebut diatas, maka hadirlah suatu teknologi baru dalam dunia sistem komputasi, yang kemudian disebut Grid Computing. Grid Computing mempunyai ide dasar yaitu menggunakan sumber daya komputer dari suatu jaringan untuk menyelesaikan suatu masalah. Grid Computing adalah evolusi dari infrastruktur informasi yang menghubungkan sumber daya (seperti komputer, server, memori) dan aplikasi-aplikasi terdistribusi yang diterapkan dengan menggunakan Internet.

Teknologi ini merupakan penerus teknologi Distributed Computing yang telah terlebih dahulu dikembangkan. Berbeda dengan Distributed Computing, Grid Computing lebih memfokuskan diri pada masalah resource sharing berskala besar, aplikasi-aplikasi yang

inovatif dan berorientasi tinggi. Selain itu, Grid Computing lebih fleksibel dan efektif dalam hal biaya tidak seperti penambahan hardware seperti yang telah disebutkan diatas.

Seiring dengan perkembangan teknologi Grid Computing, dikembangkan pula aplikasi pada Grid Computing. Beberapa aplikasi yang sudah banyak diterapkan, antara lain dalam bidang biologi, kesehatan, militer, luar angkasa, geografi, dan bioinformatika. Salah satu aplikasi yang akan dibahas pada makalah ini adalah Bio-ClusterGrid yaitu aplikasi bioinformatika yang menggunakan Grid Computing.

2. KONSEP DASAR GRID COMPUTING

Perkembangan Grid Computing dipicu oleh semakin majunya teknologi komputer dan Internet sehingga sumber daya lokal saja lama kelamaan akan tidak mampu untuk menyelesaikan perhitungan yang rumit dan kompleks serta untuk memproses aplikasi yang berat. Pada bagian ini akan dibahas mengenai pengertian dan konsep dasar dari Grid Computing, arsitektur, dan aplikasi-aplikasi yang menggunakan teknologi Grid Computing terutama aplikasi Ilmu Pengetahuan Alam (life science).

2.1 Komputasi Grid

Istilah komputasi grid hadir pada pertengahan tahun 1990-an sebagai perkembangan dari sistem komputasi terdistribusi. Permasalahan spesifik yang mendasari komputasi grid adalah sharing sumber daya

dan pemecahan permasalahan secara dinamik. Sharing yang dimaksud lebih dari sekedar pertukaran data melainkan juga meliputi akses langsung ke komputer, perangkat lunak ( software ), data, informasi, sumber daya fisikal (physical resource) dan sumber daya lain yang diperlukan untuk menyelesaikan suatu permasalahan yang ada, baik di dunia industri, ilmu pengetahuan, dan engineering. Sharing ini harus terkendali dimana penyedia sumber daya dan konsumen tahu jelas apa yang harus di-share, siapa yang diperbolehkan dan kondisi apa saja sebelum dan saat sharing terjadi.

Pada dasarnya, grid adalah sekumpulan sumber daya komputasi yang dikumpulkan bersama, dimana mereka menyediakan titik akses tunggal kepada pengguna terhadap aset komputasi yang telah digabungkan. Pengguna dapat menggunakan grid sebagai sumber daya tunggal yang sangat besar, dengan software manajemen sumber daya grid yang terspesialisasi yang secara otomatis akan meneruskan pekerjaan secara langsung ke sistem yang paling tepat dalam grid. Pengguna dapat mengajukan ribuan pekerjaan tanpa harus peduli dengan dimana atau kapan pekerjaan itu dilakukan, tetapi user hanya tahu bahwa pekerjaan-pekerjaan tersebut akan selesai lebih cepat dan lebih efisien.

Grid dibagi menjadi 3 jenis penyebaran, yaitu cluster grid, enterprise grid dan global grid, dengan masing-masing memberikan proposisi nilai grid dasar, yaitu waktu pengembangan produk yang menurun, kualitas dan layanan produk yang lebih tinggi, pengembalian maksimal dari investasi dan keputusan pembelian dan manajemen sumber daya yang lebih baik. Gambar 1 merupakan gambar dari tiga jenis penyebaran grid :

Gambar 1. Tingkat Penyebaran Grid Computing [3]

2.2 Arsitektur Grid Computing

Tujuan dalam penjelasan arsitektur Grid bukanlah untuk menyediakan sebuah penjelasan lengkap satu demi satu dari semua protokol yang dibutuhkan (layanan, API dan SDK) tetapi lebih kepada untuk mengidentifikasi kebutuhan untuk kelas komponen secara umum. Hasilnya adalah ekstensibel, struktur arsitektural terbuka yang merupakan solusi yang dapat ditempatkan ke kebutuhan kunci dari sebuah VO. Arsitektur Grid ini menggambarkan komponen-komponen menjadi

lapisan-lapisan seperti pada Gambar 2 komponen dari tiap lapisan-lapisan berbagi karakteristik umum tetapi dapat membangun kemampuan dan kebiasaan yang disediakan oleh lapisan terendah manapun.

Gambar 2 Arsitektur Grid dan hubungannya dengan arsitektur IP [5]

3. BIO-CLUSTERGRID, SUN GRID ENGINE DAN GRID ENGINE PORTAL

3.1 Bio-ClusterGrid

Salah satu aplikasi yang menggunakan teknologi Grid Computing ini adalah aplikasi ilmu pengetahuan alam (life science). Aplikasi ini merupakan aplikasi yang perkembangannya sangat pesat. Beberapa bidang yang dicakup, antara lain computational biology, bioinformatics, computational neuroscience, dan genomics.

Computational Biology (CB) menggambarkan penyatuan dari teknologi informasi (TI) dan biologi dan mencakup banyak disiplin ilmu, seperti bioinformatika, permodelan molekuler, bio-simulation, clinical informatics, pencitraan medis dan masih banyak lagi. CB menemukan banyak aplikasi dalam banyak daerah dari ilmu pengetahuan alam, seperti pengembangan dari terapi manusia, diagnostik (pengetesan terhadap adanya penyakit tertentu), prognostik (pengetesan terhadap kecenderungan atau kelemahan terhadap penyakit yang akan dating), dan bahkan forensik (identifikasi individual).

Bio-ClusterGrid (BCG) adalah yang pertama dari sekian banyak arsitektur penyebaran yang menyadari keuntungan dari inisiatif Bio-Box. Bio-Box adalah sebuah inisiatif yang menyediakan solusi “out-of-the-box” yang mengandung kumpulan aplikasi bioinformatika yang komprehensif yang digunakan oleh para ahli biologis yang bekerja di penelitian tentang ilmu pengetahuan alam. Bio-Box adalah sebuah proyek yang dijalankan oleh Asia Pacific Science and Technology Center yang bekerja sama dengan SUN Microsystem.

Aplikasi BCG terdiri dari beberapa komponen utama / inti yang terdiri dari lingkungan operasi Solaris, aplikasi bioinformatika yang “siap pakai”, database contoh, SUN Grid Engine (SGE) dan Grid Engine Portal (GEP)

Aplikasi BCG mempunyai beberapa kelebihan yaitu instalasi yang mudah, nyaman dan cepat, 28 aplikasi bioinformatika yang siap pakai, integrasi dengan SUN

Grid Engine (SGE) dan integrasi dengan Grid Engine Portal (GEP)

Tabel 1 Aplikasi-aplikasi pada BCG [8] Aplikasi Keterangan Contoh Aplikasi

Homology and Similarity Search

Similarity yang berurutan dapat ditelusuri, homology adalah sebuah hipotesis yang berdasarkan kepada observasi • Blast • FASTA • GlimmerM • Wise Sequence Analysis Menggunakan metode bioinformatika untuk mencari fungsi biologi dan struktur dari gen dan protein yang mereka kodekan • ACT • ClustalW • EMBOSS • HMMER • IMAGE • T-Coffee Molecular Imaging / Modelling Alat yang memperbolehkan user untuk membuat prediksi dari struktur sekunder dari protein yang muncul dari susunan asam amino yang diberikan • Artemis • Cn3D • GROMACS • Rasmol • ReadSeq • TribeMCL • VMD Structural Prediction Mencari struktur 2D / 3D dari protein • Dowser • FastDNAml • LOOPP • Mapmaker/QTL • PAML • PHYLIP BLAST adalah salah satu dari program bioinformatika yang digunakan secara luas, mungkin karena dapat menyelesaikan masalah dasar dan algoritmanya menekankan pada kecepatan diatas sensitifitas. Penekanan pada kecepatan ini adalah vital untuk membuat algoritma ini praktis untuk digunakan pada database genome yang sangat besar yang saat ini ada, walaupun algoritma subsequent dapat melakukannya secara lebih cepat.

3.2 SUN Grid Engine

Software N1 Grid Engine 6 adalah versi terbaru dari solusi manajemen sumber daya produksi SUN (yang selanjutnya disebut SUN Grid Engine / SGE), yang menyediakan kekuatan dan fleksibilitas yang dibutuhkan untuk Campus Grid. Produk ini berguna untuk cluster grid yang telah ada karena SGE memfasilitasi transisi yang mulus untuk menciptakan Campus Grid. Sistem dari SGE ini memberi efek kepada transisi ini dengan mengkonsolidasikan semua cluster grid di kampus. Sebagai tambahan, sistem SGE ini adalah merupakan awal yang baik untuk sebuah enterprise campus yang akan memulai pergerakan ke model grid computing untuk pertama kali.

Cara kerja dari SGE adalah menerima pekerjaan dari “dunia luar”. Maksudnya pekerjaan disini adalah permintaan user akan sumber daya komputer, kemudian meletakkan pekerjaan dalam sebuah “holding area” sampai pekerjaan tersebut dapat dikerjakan yang kemudian pekerjaan tersebut akan dikirimkan dari “holding area” ke divais eksekusi. SGE juga akan

mengatur pekerjaan yang sedang berjalan dan mencatat log dari eksekusi pekerjaan ketika pekerjaan tersebut telah selesai.

SGE mempunyai komponen yang terdiri dari hosts (master, execution, administration dan submit), daemon (master, scheduler dan execution) dan antrian. 3.3 Grid Engine Portal

Grid Engine Portal (GEP, yang dulu dikenal dengan SUN Technical Computing Portal) merupakan solusi yang terintegrasi untuk lingkungan High Performance and Technical Computing (HPTC) yang menawarkan sebuah kelas baru dari layanan web. Berdasar dari SUN ONE Portal Server dan software manajemen sumber daya SGE, solusi GEP memberikan sebuah interface tunggal dan menyatu untuk aplikasi teknikal yang kompleks. Solusi tingkat lanjut ini dapat memberikan keuntungan pengoperasian dari teknologi portal ke lingkungan HPTC dengan menggabungkan kemampuan portal, software manajemen sumber daya, dan alat-alat yang mudah digunakan. Sebagai hasilnya, solusi GEP membantu untuk mensentralisasi manajemen aplikasi dan sumber daya komputasi, dan juga menyediakan komunikasi yang memiliki tingkat keamanan yang tinggi dan akses aplikasi ke kumpulan user yang besar dan beragam, tanpa peningkatan waktu, biaya dan resiko.

SUN ONE Portal Server adalah salah satu portal yang aman dan solusi manajemen identitas yang terintegrasi secara penuh. Menggunakan kemampuan manajemen identitas yang terintegrasi, SUN ONE Portal Server memungkinkan sebuah organisasi untuk melindungi informasi asset ketika sedang membangun hubungan dan komunitas yang aman dengan dan antara pelanggan, rekan bisnis, supplier, dan karyawan. SUN ONE Portal Server, yang merupakan aplikasi berbasis komunitas, menggabungkan kandungan kunci, yaitu aplikasi dan layanan yang dipersonalisasi berdasarkan kepada peran user atau identitas, pilihan user, dan sistem yang menentukan relevansi. Dengan menyediakan platform layanan tersebar (Internet/intranet), SUN ONE Portal Server membantu untuk menyebarkan kemauan secara teknis dengan aman, portal yang aman dan memberikan user akses ke sumber daya komputasi melalui interface web yang familiar. Ini memungkinkan orang-orang untuk mengakses informasi dan layanan yang penting bagi mereka secara efisien dan aman.

Keuntungan dari GEP adalah kemudahan akses – kapanpun, dimanapun, meningkatkan manajemen sumber daya, kemudahan penggunaan, akses yang mudah ke aplikasi-aplikasi lama, solusi yang dapat digabungkan, dibangun diatas produk yang handal

Sistem yang dikembangkan disini adalah Computational Biology dengan menggunakan Bio-ClusterGrid. Untuk menggunakan sistem BCG ini ada hal-hal yang harus dilakukan terlebih dahulu, yaitu instalasi dari aplikasi-aplikasi (komponen-komponen) yang diperlukan dalam menjalankan aplikasi BCG. Baik itu instalasi pada server ataupun pada execution node.

Aplikasi BCG memerlukan server, sebagai pusat yang berfungsi untuk pemasukan pekerjaan, monitoring pekerjaan, dan melihat hasil akhir dari pekerjaan, dan beberapa execution node, sebagai tempat dijalankannya pekerjaan yang dimasukkan ke server. Karena fungsi dari server dan execution node ini berbeda, maka instalasi yang dilakukan untuk server dan execution node tentu saja akan berbeda.

Komponen-komponen yang harus diinstal pada server adalah Sistem Operasi Solaris / Linux, SUN Java Portal Server 2005Q4, Grid Engine 6.0u4 (master daemon), Grid Engine Portal, dan Script untuk aplikasi bioinformatika. Sedangkan komponen-komponen yang harus diinstal pada execution node adalah Sistem Operasi Solaris / Linux, Grid Engine 6.0u4 (execution daemon), dan Aplikasi Bioinformatika

Dalam sistem yang dikembangkan, digunakan enam buah mesin, dimana satu mesin digunakan sebagai server, empat mesin digunakan sebagai execution node dan satu mesin lagi digunakan sebagai DNS server. Untuk mempercepat proses pengerjaan dari suatu pekerjaan, maka server juga dikonfigurasi juga sebagai execution node.

Gambar 3 Sistem yang Digunakan

4. UNJUK KERJA APLIKASI BIO-CLUSTER GRID

Dengan adanya integrasi antara Grid Engine Portal sebagai antarmuka dari aplikasi Bio-Cluster Grid dan Sun Grid Engine sebagai pusat dari pengaturan sumber daya komputasi maka dapat dikatakan aplikasi Bio-ClusterGrid cukup mudah untuk digunakan dan tidak memerlukan keahlian khusus dalam bidang komputer dan yang hanya diperlukan adalah keahlian dalam ilmu

biologi. Pada bagian ini akan dibahas mengenai proses instalasi Bio-ClusterGrid pada sistem yang sederhana, proses kerja sederhana pada Bio-ClusterGrid, serta unjuk kerja aplikasi Bio-ClusterGrid.

4.1 Evaluasi Kerja Bio-ClusterGrid

Setelah sistem selesai dan berjalan dengan baik, maka selanjutnya akan diamati kinerja dari Bio-ClusterGrid (BCG) dengan pemasukan pekerjaan berupa aplikasi komputasi biologi Basic Local Alignment Search Tool (BLAST). Dari sekian kali pemasukan pekerjaan, maka akan diamati host-host mana saja yang memiliki load terbanyak. Sesuai dengan prinsip kerja SUN Grid Engine (SGE), sebagai komponen dasar dari BCG, yang akan mencari hosts yang idle dimana suatu pekerjaan akan dimasukkan.

Dari pemasukan beberapa pekerjaan tersebut, maka dari selanjutnya akan diketahui host-host mana saja yang paling banyak dipilih oleh SGE untuk melakukan pekerjaan. Grafik-grafik dibawah ini menunjukkan kondisi awal dari host-host sebelum pekerjaan dimasukkan dan kondisi akhir setelah pekerjaan dimasukkan. load awal 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 sesi lo a d gridredhat gridserver micron neutron quark

Gambar 4 Kondisi load awal masing-masing node

load akhir 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 sesi lo a d gridredhat gridserver micron neutron quark

Gambar 5 Kondisi load akhir masing-masing node Dapat dilihat pada Gambar 4 yang menunjukkan kondisi awal, bahwa node micron (kuning) dan neutron (hijau) memiliki kondisi load yang paling rendah, dan gridserver (merah jambu) memiliki load yang paling besar. Sesuai dengan prinsip kerja SGE yang akan mencari node yang idle, maka SGE akan lebih memilih node micron dan neutron untuk memasukkan pekerjaan

yang diberikan yaitu berupa aplikasi komputasi biologi BLAST.

Hal ini terbukti dengan Gambar 5 yang merupakan grafik load akhir yang dicatat pada akhir dari masing-masing sesi. Dari grafik terlihat bahwa node micron dan neutron secara rata-rata mengalami peningkatan load dibandingkan saat kondisi awal sebelum pekerjaan dimasukkan. Sedangkan node quark secara rata-rata mengalami penurunan load dibandingkan dengan saat kondisi load awal. Hal ini dikarenakan node quark memiliki kondisi load awal yang lebih tinggi daripada node-node lainnya. Tetapi bukan tidak mungkin node quark juga diberikan pekerjaan oleh SGE. Hal ini dapat terjadi jika pada suatu saat di tengah satu sesi pemasukan pekerjaan, besarnya load yang dimiliki oleh node quark memiliki nilai yang lebih rendah dibandingkan load pada node-node lainnya.

Node gridredhat mengalami keadaan yang lebih beragam. Pada suatu saat node ini memiliki load yang rendah sehingga akan mengalami peningkatan load pada akhir sesi. Tetapi pada saat yang lain node ini memiliki load yang tinggi sehingga pada akhir sesi mengalami penurunan load karena SGE tidak memilih node ini untuk memasukkan pekerjaan karena SGE melihat ada node yang memiliki load yang lebih rendah untuk dimasukkan pekerjaan.

Untuk gridserver, node ini selalu memiliki load paling tinggi untuk sesi manapun. Hal ini dikarenakan node gridserver ini adalah node pusat dari semua aktivitas komputasi grid menggunakan SGE, GEP dan BCG ini. Dalam proses pemasukan pekerjaan, SGE akan bekerja untuk menentukan node mana yang idle untuk memasukkan pekerjaan. Proses kerja SGE ini akan mempengaruhi load pada node gridserver, sehingga kondisi load akhir akan selalu lebih tinggi daripada kondisi load awal.

Pada suatu saat mungkin saja ada kondisi dimana dua buah node memiliki kondisi load awal yang sama besar seperti pada grafik load awal untuk node micron dan node neutron yang beberapa kali mengalami kondisi load awal yang sama. Jika terdapat kondisi seperti ini, maka SGE akan memilih node untuk dimasukkan pekerjaan secara acak. Tidak ada prioritas node mana yang dipilih oleh SGE, kecuali dilihat dari besar load tiap-tiap node.

Untuk mendapatkan kondisi ideal dimana load awal dari semua node memiliki nilai terendah (nilai 0.00) adalah sangat sulit. Hal ini dikarenakan cluster yang digunakan dapat diakses darimanapun selama masih dalam JUITA. Sehingga jika ada yang mengakses saat pengambilan data, maka hal tersebut akan mempengaruhi load pada suatu node.

5. KESIMPULAN

Computational Biology (CB) menggambarkan penyatuan dari teknologi informasi (TI) dan biologi dan mencakup banyak disiplin ilmu, seperti bioinformatika,

permodelan molekuler, bio-simulation, clinical informatics, pencitraan medis dan masih banyak lagi.

Bio-Cluster Grid (BCG) yang diintegrasikan dengan Sun Grid Engine (SGE) dan Grid Engine Portal (GEP) menjawab kebutuhan para ilmuwan biologi dalam penelitian mereka dengan menyediakan aplikasi-aplikasi bioinformatika yang komprehensif.

Pada makalah ini dibahas bagaimana SGE bekerja dengan cara mencari node mana yang idle, dan kemudian pekerjaan akan dimasukkan ke node tersebut. SGE akan memilih node dengan load yang terkecil untuk dimasukkan pekerjaan yang di-submit oleh user.

Pembagian jumlah sumber daya komputer yang terhubung dengan UI Grid di lingkungan Universitas Indonesia adalah pengembangan selanjutnya yang akan dilakukan.

DAFTAR ACUAN

[1] Asia Pacific Science and Technology Center, APSTC, Bio-ClusterGrid overview, http://apstc.sun.com.sg/popup.php?l1=research& l2=projects&l3=biobox&f=overview, diakses pada 3 Maret 2006

[2] Asia Pacific Science and Technology Center, APSTC, Bio-ClusterGrid features and benefits, http://apstc.sun.com.sg/popup.php?l1=research& l2=projects&l3=biobox&f=features, diakses pada 3 Maret 2006

[3] Asia Pacific Science and Technology Center, APSTC, Bio-ClusterGrid : a turnkey Bioinformatics Application Server powered by Sun Grid Technology, Bio-Box Project, Sun Microsystems Pte Ltd, Maret 2004

[4] Berman, Frank, G. Fox, A. Hey, “Grid Computing Making the Global Infrastructure a Reality,” Wiley Series in Communications Networking and Distributed System, 2003

[5] Foster, Ian, Carl Kesselman, Steven Tuecke, “The Anatomy of Grid”, International Journal of High Performance Computing Applications, 2001 [6] Grid Engine Portal (Formerly known as the Sun

Technical Computing Portal), Helping Make Information and Applications Accessible, Sun Microsystems, 2002

[7] Sun Infrastructure Solution for Grid Computing : Life Sciences, Executive Brief, Sun Microsystems, 2003

[8] Thomas, Gilbert, The BioBox Initiative : Bio-ClusterGrid, Associate Engineer, Sun APSTC, Asia Pacific, Science and Technology Center, 4 Desember 2003