蛋白质系统发育分析并行计算方法研究

论文摘要

在目前系统发育学研究中,多数系统发育分析工具不能在GPU架构上分析蛋白质序列。为此,提出一种大规模系统发育分析方法 tgpMC~3。以添加虚字符的形式重新构造条件似然概率矩阵,降低由于多线程分支发散导致的时间消耗。设计粒度适中的半任务间并行策略,增加流多处理器上活跃的线程块数量。通过简单的键值对应方法传输含有模糊状态的转移概率矩阵,实现数据访问速度的提升。实验结果表明,与MrBayes v3. 1. 2串行版本方法相比,该方法最高可实现117的加速比,与taMC~3方法相比,该方法的并行分析性能更好。

论文目录

• 0概述
• 1 背景知识
•   1.1 贝叶斯系统发育推断
•   1.2 似然估计算法
• 2 相关工作
• 3 算法设计与实现
•   3.1 输入数据结构重建
•   3.2 任务间并行优化方法
• 4 实验
•   4.1 实验环境
•   4.2 实验数据
•   4.3 性能对比
• 5 结束语

文章来源

类型: 期刊论文

作者: 李易禅,凌诚

关键词: 系统发育分析,条件似然概率,编程,并行计算,算法

来源: 计算机工程 2019年02期

年度: 2019

分类: 信息科技,基础科学,医药卫生科技

专业: 生物学,生物医学工程

单位: 北京化工大学信息科学与技术学院

基金: 国家自然科学基金(61602026)

分类号: Q51;Q811.4

DOI: 10.19678/j.issn.1000-3428.0049690

页码: 296-302

总页数: 7

文件大小: 1780K

下载量: 84