使用多GPU加速的百万级微生物组的函数推断

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 安普利康测序提供了微生物社区的组成,但缺乏功能性见解.
• 当前的功能推理工具 (例如,PICRUSt2) 是计算密集型的,对于大数据集来说效率低下.
• 需要高通量功能预测方法来分析庞大的微生物群数据集.

研究的目的:

• 引入MGFunc,这是一个新的GPU加速框架,用于超高通量微生物组功能推断.
• 为了使微生物功能潜力的快速和可扩展的分析从amplicon测序数据.
• 克服与现有的功能预测工具相关的计算瓶.

主要方法:

• MGFunc利用多GPU加速进行功能推理.
• 它将基于amplicon的功能预测转化为使用基因组内容网络的标准化矩阵乘法.
• 该框架集成了分割数据加载,矩阵分区和动态调度,以实现高效的多GPU利用.

主要成果:

• 与PICRUSt2.2相比,MGFunc实现了高达几十万倍的加速度.
• 它可以在一分钟内使用四个GPU功能性地解释一百万个样本.
• 该方法证明了在有限的GPU内存和RAM的情况下分析数百万个样本的可扩展性.

结论:

• MGFunc为超大微生物群数据集的功能推理提供了高效,低延迟的解决方案.
• 这一框架通过促进快速的功能分析,使全球范围的微生物组研究成为可能.
• 开发的软件为了解各种环境和应用中的微生物功能提供了重大进步.