基于超维计算的大规模并行开放式修饰谱库搜索

质谱技术通常用于蛋白质鉴定，会产生大量需要与大型数据库进行匹配的图谱。实际上，由于意外的翻译后修饰，大多数图谱仍未被鉴定或被错误匹配。开放式修饰搜索 (OMS) 已被提出作为一种通过考虑图谱中所有可能变化来提高鉴定率的策略，但它使搜索空间呈指数级扩大。在这项工作中，我们提出了 HyperOMS，它基于超维计算重新设计了 OMS 以应对这些挑战。与使用浮点数表示光谱数据的现有算法不同，HyperOMS 使用高维二进制向量对其进行编码，并在高维空间中执行高效的 OMS。凭借大规模并行性和简单的布尔运算，HyperOMS 可以在并行计算平台上高效处理。实验结果表明，在 GPU 上运行的 HyperOMS 比最先进的基于 GPU 的 OMS 工具快 $17\times$，能效高 $6.4\times$，同时提供与竞争搜索工具相当的搜索质量。