MARS：存储子系统中原始信号基因组分析的处理-存储加速
硬件体系结构
2025-07-04 v2 基因组学
摘要
原始信号基因组分析（RSGA）已成为一种有前景的路径，旨在通过直接分析原始电信号实现实时基因组分析。然而，快速进步的测序技术使得软件基于 RSGA 难以匹配原始信号产生的吞吐量。本文表明，尽管硬件加速技术可显著加速 RSGA，但高基因组数据量使计算与 I/O 数据移动的性能和能耗瓶颈从计算转向 I/O。随着测序吞吐量的提升，I/O 开销成为运行时间和能耗消耗的主要贡献者。因此，需要设计一种高性能、高效能的系统，用于 RSGA，以解决数据移动瓶颈并提供强大的加速能力。我们提出 MARS，一种以存储为中心的系统，利用现代存储系统中（如存储内部 DRAM、存储控制器、闪存芯片）的异构资源以及其大容量存储来解决 RSGA 的数据移动和计算开销，方式在成本和能耗方面均具有优势。MARS 通过一种新颖的硬件/软件协同设计方法加速 RSGA。首先，MARS 通过两种过滤机制和量化方案修改 RSGA 流程，减少硬件需求并优化以适用于存储执行。其次，MARS 通过利用处理-近内存和处理-使用内存范例直接在存储中加速 RSGA 步骤。最后，MARS 协调所有步骤的执行，以充分利用存储内并行性并最小化数据移动。我们的评估显示，MARS 在不同数据集上平均分别比基于比对的软件和硬件加速的最先进读映射管道快 93 倍和 40 倍，同时将其能耗降低 427 倍和 72 倍。
引用
@article{arxiv.2506.10931,
title = {MARS: Processing-In-Memory Acceleration of Raw Signal Genome Analysis Inside the Storage Subsystem},
author = {Melina Soysal and Konstantina Koliogeorgi and Can Firtina and Nika Mansouri Ghiasi and Rakesh Nadig and Haiyu Mao and Geraldo F. Oliveira and Yu Liang and Klea Zambaku and Mohammad Sadrosadati and Onur Mutlu},
journal= {arXiv preprint arXiv:2506.10931},
year = {2025}
}