WFA-GPU:使用GPU进行差距精确的双向读取对齐
Quim Aguado-Puig1, Max Doblas2, Christos Matzoros2
1Departament d'Arquitectura de Computadors i Sistemes Operatius, Universitat Autònoma de Barcelona, Barcelona 08193, Spain.
Bioinformatics (Oxford, England)
|November 17, 2023
概括
在图形处理单元 (GPU) 上,WFA-GPU加速了序列对齐,在长时间,杂的基因组读取中显著超过了基于CPU的方法. 这种GPU加速工具提高了生物信息学分析速度和可扩展性.
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:
- 基因组测序技术产生了长时间的,杂的读数,需要高效的对齐.
- 经典的动态编程对齐方法对于长序列是计算密集的.
- 波面对齐 (WFA) 算法提供了更高的效率,但需要对现代硬件进行并行处理.
研究的目的:
- 开发一个GPU加速工具 (WFA-GPU) 以实现快速准确的序列对齐.
- 为了利用GPU的并行处理能力来实现WFA算法.
- 为了使长时间和杂的序列阅读能够有效地对齐.
主要方法:
- 在图形处理单元 (GPU) 上实现WFA算法.
- 开发一个CPU-GPU共同设计的平行序列对齐.
- 对GPU架构进行算法调整和性能优化.
- 使用简洁的WFA数据表示,以实现高效的GPU计算.
主要成果:
- WFA-GPU实现了显著的加快速度,超过多线程WFA高达4.3倍 (精确) 和18.2倍 (启发式).
- WFA-GPU比其他GPU对齐器快29倍,比CPU对齐器快4倍.
- WFA-GPU是第一个能够准确对准商品硬件上的长读数的GPU解决方案.
结论:
- WFA-GPU提供了一个高效的解决方案,用于对齐长时间和杂的序列阅读.
- 用GPU加速的方法显著提高了基因组数据分析的可扩展性和速度.
- 对于使用商品GPU的研究人员来说,WFA-GPU使高性能序列对齐成为民主.
