AGAThA：面向长读段映射的引导式序列比对快速高效 GPU 加速

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低于以往的价格迅速增加。然而，更长的长度以沉重的比对计算负担为代价。例如，将序列比对到人类参考基因组可能需要数十甚至数百小时。当前事实上的标准比对方法基于引导式动态规划方法。尽管这耗时很长且可能受益于高吞吐量图形处理器（GPU），但由于计算模式对 GPU 不友好的特性，现有的 GPU 加速方法常常妥协算法的结构。不幸的是，在该领域中，算法的这种妥协是不可容忍的，因为序列比对是复杂生物信息学分析流程的一部分。在这种情况下，我们提出了 AGAThA，一种精确且高效的基于 GPU 的引导式序列比对加速方法。我们诊断并解决了算法对 GPU 不友好的问题，包括跨步/冗余内存访问和难以预测的负载不平衡。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$\times$ 的加速，相对于最佳的基于 GPU 的基线实现了 9.6$\times$ 的加速，相对于具有不同启发式方法的基于 GPU 的算法实现了 3.6$\times$ 的加速。