利用 GPU 与非易失性内存加速 k-mer 频率计数
分布式、并行与集群计算
2017-12-12 v1
摘要
新一代测序(NGS)平台的出现提高了基因组测序的通量，进而增加了需要处理的的数据量，这要求对其分析具备高效的计算能力。在此背景下，包括加速器和非易失性内存(NVM)在内的现代架构对于实现这些生物信息学工作负载的大规模应用至关重要。本文重新设计了最先进的无参考变异检测方法 SMUFIN 的主要组件，该方法已适配以充分利用 GPU 和 NVM 设备。SMUFIN 依赖于统计 DNA 序列中 k-mer(长度为 的子串)的频率，这也是许多生物信息学工作负载(如基因组组装)中一个众所周知的问题。我们提出了改进 k-mer 计数效率的技术，并将诸如 \sm 这类过去需要 \mn 的 16 个节点的工作负载扩展到单台配备 GPU 和 NVM 驱动器的机器上。结果表明，尽管单台机器未能改善 16 个节点的求解时间，但其 CPU 时间比 16 个节点的累计 CPU 时间短 7.5 倍，能耗降低了 5.5 倍。
引用
@article{arxiv.1712.03254,
title = {Accelerating K-mer Frequency Counting with GPU and Non-Volatile Memory},
author = {Nicola Cadenelli and Jorda Polo and David Carrera},
journal= {arXiv preprint arXiv:1712.03254},
year = {2017}
}
备注
Submitted to the 19th IEEE International Conference on high Performance Computing and Communication (HPC 2017). Partially funded by European Research Council (ERC) under the European Union's Horizon 2020 research and innovation programme (grant agreement No 639595) - HiEST Project