在现代 CPU/GPU 上解锁个性化医疗：三向基因互作研究
分布式、并行与集群计算
2022-01-27 v1
摘要
全基因组关联研究的发展日益表明，未来的医疗技术将通过对患者个性化的方式，依靠基因检测来确定患某疾病的风险。为此，检测导致复杂疾病的基因互作是一项重要应用。与本领域众多应用类似，其使用包含一系列患者遗传信息（如单核苷酸多态性）的大规模数据集，导致高计算复杂度和高内存占用，从而在面向现代计算系统的高性能执行方面构成重大挑战。为弥补这一差距，本文提出多种在新型 CPU 和 GPU 上检测三向基因互作的新方法，利用不同优化以充分挖掘目标架构的性能。来自缓存感知 Roofline 模型的关键洞见被用于确保应用对计算设备的适用性。本文还广泛研究了来自所有主要厂商的 13 款 CPU 和 GPU 设备的架构特征，从而理解在该生物信息学领域获得高性能所需的相关特性。据我们所知，本研究是首个针对 epistasis（基因互作）检测进行此类评估的工作。所提方法在测试平台上超越了现有最优工作的性能，平均加速达 3.9× （CPU 上 7.3×，GPU 上 2.8×），在 Intel UHD P630 GPU 上最高加速达 10.6×。
引用
@article{arxiv.2201.10956,
title = {Unlocking Personalized Healthcare on Modern CPUs/GPUs: Three-way Gene Interaction Study},
author = {Diogo Marques and Rafael Campos and Sergio Santander-Jiménez and Zakhar Matveev and Leonel Sousa and Aleksandar Ilic},
journal= {arXiv preprint arXiv:2201.10956},
year = {2022}
}
备注
To appear in 36th IEEE International Parallel & Distributed Processing Symposium (IPDPS 2022)