申请/专利权人：桂林电子科技大学

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117746987A

主分类号：G16B30/10

分类号：G16B30/10;G16B50/10;G16B50/30;G06F16/22;G06F16/2453;G06F16/245

优先权：

专利状态码：在审-公开

法律状态：2024.03.22#公开

摘要：本发明公开了一种基于GPU的最大精确匹配并行查找算法，旨在于加速第三代RNA测序数据比对算法耗时最多的种子过程。首先，在CPU上对转录组创建FM索引，构建并采样参考基因组后缀的最长公共前缀数组，将它们从CPU内存复制到GPU内存；然后，使用GPU并行加载RNA测序数据，将它们分割到GPU线程块；其次，设置GPU线程参数，每个线程查找所分配数据与参考基因组之间的最大精确匹配；最后，同步线程并合并查询结果。本发明有效减少了最大精确匹配查找算法的运行时间，从而能够加速RNA测序数据的比对算法。

主权项：1.一种基于GPU的最大精确匹配并行查找算法，其特征在于，包括以下步骤：1下载数据集，每个数据集包含参考基因组和基因组注释文件，以及对应物种的第三代RNA测序数据，数据集共4个，包含3个真实数据集，1个模拟数据集；2利用基因组注释文件，从参考基因组中获取转录组；3对转录组序列进行Burrows-WheelerTransformBWT变换，将转录组序列的旋转形式按字典序排序，构成BWT数组；4将BWT数组的最后一列L和第一列F进行LF映射，转录组序列的所有映射关系构成Ferragina-ManziniFM索引；5计算转录组序列的所有后缀，将它们进行排序，形成后缀数组SA；6计算后缀数组SA中相邻两个后缀的最长公共前缀，所有的最长公共前缀长度值构成最长公共前缀数组LCP；7利用LCP的极小值对最长公共前缀数组进行采样，得到采样的最长公共前缀数组SLCP；8对FM索引、最长公共前缀数组LCP和采样的最长公共前缀数组SLCP进行序列化，将它们以二进制的形式分别写入index.bin、lcpArray.bin和slcpArray.bin文件中，以便可以重复利用；9将FM索引、最长公共前缀数组LCP和采样的最长公共前缀数组SLCP从CPU内存中拷贝到GPU内存中；10将RNA测序数据集FASTA或FASTQ文件分成n个批次，每个批次的数据量为batchSize；11将单个批次的测序数据读取到CPU内存，再从CPU内存拷贝到GPU内存中；12在GPU内，将单批测序数据分割成多个块，每个块由一个GPU线程块处理；13在GPU线程块内，利用初始化核函数设置线程的参数，包括每个线程需要处理的测序数据范围，即GPU线程块所分配测序数据的开始和结束下标；14GPU线程执行查找最大精确匹配的核函数，各线程利用GPU内存中共享的FM索引、LCP数组和SLCP数组，查找测序数据与转录组序列之间的最大精确匹配，即测序数据与转录组序列之间完全相同的最长连续子序列，其中，每个GPU线程独立处理多条RNA测序数据，每个线程块中大量并发执行的GPU线程能够显著减少算法查找最大精确匹配的时间；15将GPU线程的最大精确匹配查找结果拷贝到CPU内存，为了保证输入与输出顺序的一致性，根据GPU线程的索引顺序，将CPU内存的结果写入到文件中；16重复步骤11至步骤15，直至查询完整个RNA测序数据集的最大精确匹配；17释放CPU和GPU的内存数据，算法执行结束。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于GPU的最大精确匹配并行查找算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD