在GPU上加速BWA-MEM读取映射

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 下一代测序 (NGS) 生成大量的DNA数据,需要高效的分析工具.
• 将短DNA读取到参考基因组的映射是NGS数据分析中的计算密集的瓶.
• BWA-MEM和BWA-MEM2是阅读映射的流行的CPU优化算法.

研究的目的:

• 在图形处理单元 (GPU) 上实现BWA-MEM读取映射算法.
• 识别和解决适应BWA-MEM的算法和数据结构用于GPU架构的挑战.
• 为了评估GPU实现的性能与已建立的基于CPU的版本相比.

主要方法:

• 开发了BWA-MEM算法的GPU实现,解决了播种,种子链,史密斯-沃特曼对齐,内存管理和I/O.
• 使用NVIDIA A40,A6000和A100 GPU与运行BWA-MEM和BWA-MEM2的64线程CPU进行了性能比较.
• 进行阶段分析,以评估关键计算阶段的加速.

主要成果:

• 在高端GPU上,比BWA-MEM提高6.8倍,比BWA-MEM2提高3.8倍.
• 在播种/链接 (高达4倍),史密斯-沃特曼 (高达2.5倍) 和SAM输出生成 (高达7.9倍) 中展示了显著的加速度.
• 这代表了第一个已知的尝试在GPU上实现整个BWA-MEM程序.

结论:

• BWA-MEM的GPU加速是可行的,并为DNA序列映射提供了实质性的性能改进.
• 开发的GPU实现解决了关键的计算挑战,为NGS数据分析提供了更快的替代方案.
• 这项工作为更高效的基因组数据处理管道铺平了道路.