计算机科学>分布式、并行和群集计算
标题: AGAThA:用于长读映射的引导序列比对的快速高效GPU加速
摘要: 随着基因组测序技术的进步,脱氧核糖核酸(DNA)测序结果的长度正以比以往更低的价格快速增长。 然而,较长的长度是以对齐它们的沉重计算负担为代价的。 例如,将序列与人类参考基因组对齐可能需要几十甚至数百个小时。 当前事实上的校准标准方法基于引导动态规划方法。 尽管这需要很长时间,并且可能从高通量图形处理单元(GPU)中受益,但由于计算模式的GPU不友好性质,现有的GPU加速方法通常会损害算法的结构。 不幸的是,该算法中的这种妥协在该领域是不可容忍的,因为序列比对是复杂生物信息学分析管道的一部分。 在这种情况下,我们提出了AGAThA,一种基于GPU的精确高效的引导序列比对加速方法。 我们诊断并解决了算法对GPU不友好的问题,包括跨接/冗余内存访问和难以预测的工作负载不平衡。 根据在现代GPU上的实验,AGAThA相对于基于CPU的基线实现了18.8$倍的加速,相对于基于最佳GPU的基线实现9.6$倍的速度,而相对于具有不同启发式的基于GPU的算法实现了3.6$倍的加快。