应用分布式CNN加速基因组学中转录因子TAL1基序预测
神经与进化计算
2024-05-28 v1
摘要
大数据与深度学习完美结合，可从海量数据中提取知识。然而，这一处理过程可能需要大量训练时间。基因组学是一门高维度的大数据科学。它依赖深度学习来解决某些疾病（如癌症）中的复杂问题，通过使用不同的DNA信息，例如转录因子。TAL1是一种对造血系统和血管系统发育至关重要的转录因子。本文强调了深度学习在基因组学领域的潜力及其面临的挑战，例如训练时间可能长达数小时、数周，甚至数月。因此，我们提出了一种基于卷积神经网络（CNN）的分布式深度学习实现，通过使用多个GPU和TPU作为加速器，在减少训练时间的同时，将准确率性能提升至95%。我们证明了基于数据并行性的分布式策略在更快预测转录因子TAL1基序方面的有效性。
引用
@article{arxiv.2405.16097,
title = {Apply Distributed CNN on Genomics to accelerate Transcription-Factor TAL1 Motif Prediction},
author = {Tasnim Assali and Zayneb Trabelsi Ayoub and Sofiane Ouni},
journal= {arXiv preprint arXiv:2405.16097},
year = {2024}
}
备注
2022 11th International Conference on Computer Technologies and Development (TechDev), Barcelona, Spain, 2022