学位论文 > 优秀研究生学位论文题录展示

基于GPU和压缩索引的新一代测序数据再测序研究

作　者: 应德全
导　师: 叶继华
学　校: 江西师范大学
专　业: 计算机科学与技术
关键词: 生物信息新一代测序再测序 GPU CUDA BWT
分类号: Q78
类　型: 硕士论文
年　份: 2010年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

GPU(GraphicProcessingUnit)是近几年出现的具有极高并行能力的计算部件,它和CPU可以构成多核异构架构,在很多领域有应用潜力。BWT(Burrows‐WheelerTransform)是一种无损、可逆的数据转换方式,基于BWT的压缩索引具有搜索速度快,占用内存少的优点,在海量字符串检索中具有很明显的优势。新一代测序是近几年出现并受到极大重视的一种高通量DNA/RNA检测技术,它已成为获得基因数据的主要方式,在基因型变异、基因注释、mRNA和miRNA分析、DNA甲基化研究和个体医疗等领域有广泛用途,是生物信息学的一个研究热点。相对于以往的传统测序技术,新一代测序产生的序列更短,数量更多,数据量达到数十至上百GB。这些数据往往要经过一个定位到基因组,称之为再测序的操作。这种操作需要昂贵的计算机系统或者花费较长的时间。为此,本文研究通过结合基于BWT的压缩索引和GPU,高速有效地实现再测序。本文首先分析了相关领域的现状和上述结合的可行性,随后就新一代测序的数据特点,GPU计算的编程方式和优化方式,以及基于BWT的压缩索引的原理和实现进行了阐述和研究。紧接着,本文提出了基于GPU和BWT压缩索引的新一代测序数据的再测序的实现方案,并从线程分配、内存拷贝、关键结构和动态内存分配4个方面进行了详细叙述,在叙述中还进行了多方面的测试和验证。最后,本文对所实现的GPU‐BWA算法进行了测试,并分析了测试结果。在结论中,本文还提出了GPU‐BWA算法下一步要做的工作和改进的方案。本项研究充分表明基于GPU和BWT压缩索引的再测序是可行和有效的,同时,本项研究也是拓展GPU和压缩索引应用的很好的实例。

全文目录

摘要  3-4
ABSTRACT  4-7
第1章绪论  7-15
  1.1 研究背景和目的  7-12
    1.1.1 新一代测序技术  8-9
    1.1.2 多核计算  9
    1.1.3 BWT 和后缀数组  9-12
  1.2 领域现状及可行性分析  12-14
  1.3 本文结构  14-15
第2章新一代测序与基因组再测序  15-24
  2.1 新一代测序技术  15-17
  2.2 基因组再测序  17-23
    2.2.1 索引的构建  20-22
    2.2.2 用索引进行再测序  22-23
  2.3 本章小结  23-24
第3章 GPU 与CUDA  24-32
  3.1 高度并行、多核、异构的GPU 通用计算架构  24-26
  3.2 CUDA 计算平台  26-31
    3.2.1 CUDA 之前的GPU 通用计算  26-27
    3.2.2 CUDA 简介  27-28
    3.2.3 CUDA 的线程模型  28-29
    3.2.4 CUDA 的内存模型  29-30
    3.2.5 CUDA 编程存在的问题  30-31
  3.3 本章小结  31-32
第4章基于GPU 的再测序分析与设计  32-44
  4.1 索引构建的GPU 优化分析  32-33
  4.2 利用已构建索引进行GPU 再测序的设计  33-43
    4.2.1 线程分配设计  34-36
    4.2.2 内存拷贝设计  36-38
    4.2.3 关键结构设计  38-40
    4.2.4 动态内存分配设计  40-43
  4.3 本章小结  43-44
第5章性能测试与比较  44-55
  5.1 CUDA 平台性能测试  44-49
    5.1.1 矩阵转置测试  44-46
    5.1.2 矩阵乘法测试  46-48
    5.1.3 线程分配测试  48
    5.1.4 关键结构测试  48-49
  5.2 再测序性能测试  49-54
    5.2.1 GPU‐BWA 与BWA 的性能比较  49-51
    5.2.2 参数调整对GPU‐BWA 的影响  51-54
  5.3 本章小结  54-55
第6章总结和下一步工作  55-57
参考文献  57-63
致谢  63-64
在读期间发表论文及科研情况  64

基于GPU和压缩索引的新一代测序数据再测序研究

内容摘要

全文目录

相似论文