在单分子生物物理数据中使用单指令,多线程gpGPU架构进行时间域事件检测
Boyan Penkov1, David Niedzwiecki2, Nicolae Lari1
1Department of Electrical Engineering, Columbia University, New York, NY, 10027.
Computer physics communications
|May 13, 2024
概括
我们开发了三种基于图形处理器 (GPU) 的算法,以加速从单分子测量中分析时间域数据. 这种方法显著改善了纳米孔和单分子场效应晶体管 (smFET) 数据集中的关键特征的检测.
科学领域:
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
- 生物物理学的生物物理.
背景情况:
- 具有离散幅度级别的时间域数据通常表明系统的潜态.
- 分析有序的数据会对计算效率和硬件加速产生序列限制.
- 单分子测量 (纳米孔,smFETs) 可以产生大量的时间排序的数据集.
研究的目的:
- 开发先进的算法,以高效地分析时间域数据.
- 为了利用通用图形处理单元 (gpGPU) 来加速特征检测.
- 克服大规模生物数据集串行处理的局限性.
主要方法:
- 实施了三种基于gpGPU的新算法,用于时间序列分析.
- 将算法应用于纳米孔和单分子场效应晶体管 (smFET) 数据.
- 使用单指令多数据 (SIMD) 架构进行并行处理.
主要成果:
- 在突出特征检测速度方面实现了250倍的改进.
- 在terabyte规模的数据集中显示了事件检测的显著加速.
- 实现高通量单分子数据的高效分析.
结论:
- 基于gpGPU的算法为分析有序的时间域数据提供了重大进步.
- 开发的方法克服了生物数据分析中的串行处理瓶.
- 自由可用的代码有助于在科学研究中得到更广泛的应用.
