CN110473593A - 一种基于FPGA的Smith-Waterman算法实现方法及装置 - Google Patents
一种基于FPGA的Smith-Waterman算法实现方法及装置 Download PDFInfo
- Publication number
- CN110473593A CN110473593A CN201910676632.2A CN201910676632A CN110473593A CN 110473593 A CN110473593 A CN 110473593A CN 201910676632 A CN201910676632 A CN 201910676632A CN 110473593 A CN110473593 A CN 110473593A
- Authority
- CN
- China
- Prior art keywords
- array
- matched
- gene order
- smith
- fpga
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 239000004744 fabric Substances 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 239000002585 base Substances 0.000 description 36
- 101000915470 Homo sapiens Zinc finger MYND domain-containing protein 11 Proteins 0.000 description 3
- 102100028551 Zinc finger MYND domain-containing protein 11 Human genes 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000002864 sequence alignment Methods 0.000 description 3
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 102100023882 Endoribonuclease ZC3H12A Human genes 0.000 description 1
- 101710112715 Endoribonuclease ZC3H12A Proteins 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012268 genome sequencing Methods 0.000 description 1
- QGVYYLZOAMMKAH-UHFFFAOYSA-N pegnivacogin Chemical compound COCCOC(=O)NCCCCC(NC(=O)OCCOC)C(=O)NCCCCCCOP(=O)(O)O QGVYYLZOAMMKAH-UHFFFAOYSA-N 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Chemical & Material Sciences (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于FPGA的Smith‑Waterman算法实现方法及装置,包括:将待匹配基因序列输入PE阵列的集合中,将候选序列以流水线形式输入到对应的PE阵列,PE阵列执行相似性评分;记录PE阵列输出的评分值中最大的值和对应的候选序列;执行回溯以修改待匹配基因序列。装置用于执行方法。本发明通过将待匹配基因序列输入PE阵列的集合中,将候选序列以流水线形式输入到对应的PE阵列,PE阵列执行相似性评分;记录评分值中最大的值和候选序列;能够通过并行的方式执行评分流程。执行回溯以修改待匹配基因序列能够通过执行回溯流程。基于FPGA的PE阵列,能够通过并行的方式执行Smith‑Waterman算法,相对于CPU、GPU方式,消耗更低,性价比高。
Description
技术领域
本发明涉及基因技术领域,尤其是一种基于FPGA的Smith-Waterman算法实现方法及装置。
背景技术
随着生物学的发展,基因测序的作用也越来越大。降低成本和提高速度也就成为了研究的重要方向。在基因测序上用于局部比对的算法主要是Blast和Smith-Waterman。Blast算法是一种在局部比对上近似比对的算法,虽然可以减少程序运行的时间但是准确率不够高。Smith Waterman是一种精确局部比对算法,但是相对复杂,需要提高比对速度。
目前,Smith-Waterman算法已经在CPU、GPU、FPGA上实现过加速。在CPU上实现加速需要高性能的CPU,费用高、速度也不够理想。利用高性能GPU的高度并行性实现加速,运行速度比CPU快了不少,但价格昂贵。FPGA本身就十分适合做并行运算,价格也合理,所以使用FPGA作为硬件加速平台是一种更具性价比的选择。
使用FPGA作为Smith-Waterman加速平台时,采用流水线的方式进行序列比对,使序列对并行工作,从而加快了计算得分矩阵的速度。当基因数据较大时,由于片上资源的限制,无法保存计算得分的路径,从而不能在FPGA上进行回溯,只能采用FPGA+CPU的方式实现加速,在FPGA上进行矩阵得分计算,在CPU上进行回溯。此时,实际上也增对比的成本。
发明内容
本发明实施例旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明实施例的一个目的是提供一种基于FPGA的Smith-Waterman算法实现方法及装置。
本发明所采用的技术方案是:
第一方面,本发明实施例提供一种基于FPGA的Smith-Waterman算法实现方法,包括:将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;记录PE阵列输出的评分值中最大的值和对应的候选序列;执行回溯以修改待匹配基因序列。
优选地,包括:筛选全部的待匹配基因序列,得到对应的碱基数量的分布状态和分布期望值;根据分布期望值设置FPGA中,PE阵列的PE块的数量。
优选地,包括:待匹配基因序列的碱基数量不大于分布期望值,对应的PE阵列只执行一次运算;待匹配基因序列的碱基数量大于分布期望值,则以第一次运算的相似性评分作为PE阵列的初始值并再次进行相似性评分的运算。
优选地,所述PE阵列在执行相似性评分的同时,输出回溯路径至指定的嵌入式块RAM。
优选地,所述待匹配基因序列设置有对应的序列ID;当所述PE阵列完成一个待匹配基因序列的相似性评分,回溯模块根据回溯路径修改对应的待匹配基因序列。
第二方面,本发明实施例提供一种基于FPGA的Smith-Waterman算法实现装置,包括:PE处理单元,用于将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;序列存储单元,用于记录PE阵列输出的评分值中最大的值和对应的候选序列;回溯单元,用于执行回溯以修改待匹配基因序列。
优选地,还包括:预处理单元,用于筛选全部的待匹配基因序列,得到对应的碱基数量的分布状态和分布期望值;根据分布期望值设置FPGA中,PE阵列的PE块的数量。
优选地,待匹配基因序列的碱基数量不大于分布期望值,对应的PE阵列只执行一次运算;待匹配基因序列的碱基数量大于分布期望值,则以第一次运算的相似性评分作为PE阵列的初始值并再次进行相似性评分的运算。
优选地,所述PE阵列在执行相似性评分的同时,输出回溯路径至指定的嵌入式块RAM。
优选地,所述待匹配基因序列设置有对应的序列ID;当所述PE阵列完成一个待匹配基因序列的相似性评分,回溯模块根据回溯路径修改对应的待匹配基因序列。
本发明实施例的有益效果是:
本发明实施例通过将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;记录PE阵列输出的评分值中最大的值和对应的候选序列;能够通过并行的方式执行评分流程。执行回溯以修改待匹配基因序列能够通过执行回溯流程。基于FPGA的PE阵列,能够通过并行的方式执行Smith-Waterman算法,相对于CPU、GPU方式,消耗更低,性价比高。
附图说明
图1是基于FPGA的Smith-Waterman算法实现方法的实施例的流程图;
图2是基于FPGA的Smith-Waterman算法实现框架图;
图3是基于FPGA的Smith-Waterman算法实现装置的连接图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
基础技术的说明:
Smith-Waterman算法由计算得分和回溯两部分组成,运行时间主要是在计算得分部分。在打分时采用动态规划算法,把序列比对分成多个碱基比对。用流水线的方式把碱基输出到PE比对阵列中,利用FPGA的并行性使多个碱基同时比对。基因序列的碱基数量大不相同,即使使用一些方法进行适当的筛选以排除极端稀少的数量,剩下数量的也是一个较大的范围。
PE阵列由多个PE块组成,一个PE块可计算一个碱基的得分,PE阵列中PE的个数由基因序列中碱基的个数决定,因为所有的碱基都要进行比对,所以基因序列中碱基的最大个数就是PE块的个数,这样评分过程就占用了大量的FPGA资源。由于基因序列碱基数量的不同,当碱基数量较少时,很多PE块就处于空闲状态造成了资源的浪费,而且PE个数的增加,序列对的计算得分的时间也会随之增加,降低了运行速度。
用于进行基因检测的序列分别称为待检测序列和候选序列。待检测序列的数据结构为ID(序列在FPGA运行中的序号)、Length(待检测序列长度)、Pattern ID(数据文件中待检测序列的ID)、Pattern(待检测基因序列);
侯选序列数据结构为ID(运行中的序号,与对应的待检测序列一样)、Chr(表示该候选序列为哪条染色体)、Posi(该候选序列在染色体的哪个位置)、Text(候选序列)。碱基A、T、C、G分别用00,01,10,11表示,以节省FPGA上的计算资源。
矩阵打分采用空位罚分模型,公式如下:
初始化:
回归关系:
其中,α和β分别代表空位打开和延展的罚分;E表示待匹配序列插入碱基进行罚分后的得分;F表示待匹配序列删除碱基罚分后的得分,V是当前比对序列的最大得分;S、T分别表示待匹配碱基序列和侯选碱基序列;n、m分别表示输入的待匹配序列和候选序列的碱基数量;i、j为行和列。
实施例1。
本实施例提供如图1所示的一种基于FPGA的Smith-Waterman算法实现方法,包括:
S1、将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;
S2、记录PE阵列输出的评分值中最大的值和对应的候选序列;
S3、执行回溯以修改待匹配基因序列。
如图2所示的具体的基于FPGA的Smith-Waterman算法实现框架包括:
待匹配基因序列并不是规格一致的,即可能包括不同数量的碱基的序列。为了减少PE阵列占用的FPGA上资源;可以对基因序列进行筛选,确定基因序列碱基数量的范围。对人类基因序列进行筛选可以得知碱基数量呈正态分布,则可以具体的正态分布的数据和预设的公式,计算得到一个期望值μ,则可以根据μ来确定PE阵列中的PE块的数量。即筛选全部的待匹配基因序列,得到对应的碱基数量的分布状态和分布期望值;根据分布期望值设置FPGA中,PE阵列的PE块的数量。其目的在于通过预先统计分析碱基数量的分布情况,计算分布的期望值,以确定PE阵列的设置的参数。其目的降低在实际的计算中,空置PE块的数量和PE块空置的时间,提高PE阵列的利用率。
PC端将数据DATA(即待匹配基因序列和候选序列)通过PCIE总线传输到FPGA的DDR中,再通过AXI总线把数据传到FIFO中,由FPGA的控制模块启动运算。即控制模块发出read指令,读取FIFO中的基因序列(即数据处理传输序列),当待匹配基因序列的碱基数量少于期望值μ时,PE阵列只进行一次运算;当待匹配基因序列碱基数量大于期望值μ时,将对应的PE阵列第一次运算得到的相似性评分存储起来,等到控制模块发出控制信号来时,再输入到PE阵列中作为初始值再次进行打分/评分运算。即待匹配基因序列的碱基数量不大于分布期望值(即μ),对应的PE阵列只执行一次运算;待匹配基因序列的碱基数量大于分布期望值,则以第一次运算的相似性评分作为PE阵列的初始值并再次进行相似性评分的运算。
一条待匹配基因序列,一般都存在多条候选序列(即候选序列的集合)以供和待匹配基因序列进行相似性的比较。如果只是用一个PE阵列需要等上一条候选序列比对完,下一条候选序列才能输入。
为了提高比对效率,将PE阵列并行工作。根据FPGA片上资源的数量,根据预设的公式设置合适的PE阵列个数。由控制模块发出指令从FIFO中读取数据,当读取的数据ID不同于上一条数据时或读取的数据的个数等于PE阵列的个数时则停止读取数据。此时说明某一条待匹配基因序列已经完成对比,开始执行另一条待匹配基因序列的对比。
读取的数据分别输入到控制模块进行指令解析(在PC输出的每一条序列的数据流中,数据流的前面为总的指令,后面为基因序列;控制模块将总的指令解析出来,分别发送到各个对应的模块中,让其他的模块执行相应的命令)和数据处理模块中进行处理和暂存。同时,将读取的序列(包括候选序列和待匹配基因序列)暂存在数据暂存RAM模块中。控制模块发出数据传送指令,将待匹配序列中碱基分别输入到各个PE阵列中,再使用流水线的方式将候选序列中的碱基输出到各个PE阵列中,使所有PE阵列流水线式并行工作。例如,PE阵列包括PE1、PE2…PEx,候选序列包括候选1、候选2…候选5等,将候选序列按照循环的顺序,依次写入PE阵列中,即为流水线形式。
第一个阵列比对完成后将得到的最大分数输出到分数暂存比较模块(用于保存分数并且与其他分数进行比较)。用寄存器存储当前最大分数和最大分数对应的碱基位置,当下一个分数比寄存器中原分数大时,则替换更新最大分数和最大分数的碱基位置,否则保持原分数,直到比较完成得出最大分数。即步骤S1、将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分
分数暂存比较模块产生RD信号从数据暂存RAM模块中读取序列,由控制模块生成读取待匹配序列的RD信号传输到分数暂存比较模块,再读取数据暂存RAM中的待匹配序列并输出FIFO中(即FIFO存储结果)。从PE阵列中每输出一个分数到分数暂存比较模块时,分数暂存比较模块就生成一个读取侯选序列的RD信号。将读取的候选序列暂存在该模块中并用寄存器存储最大分数对应的候选序列(即最优序列对)。当最大分数更新时对应存储的候选序列也更新,否则保持不变。当下一个不同的ID信号来时表示当前ID序列比对完成,输出寄存器中的最大分数及对应的候选序列到FIFO中。即步骤S2、记录PE阵列输出的评分值中最大的值和对应的候选序列。
在PE阵列打分的同时,存储回溯路径到BRAM1(嵌入式块RAM,有N个,标号包括BRAM1~BRAMN),打分完成时开始进行回溯;同时下一个ID的序列进行打分,回溯路径存储到BRAM2中。存储回溯路径与回溯在两个不同的BRAM中进行,互不影响。回溯模块执行回溯,即回溯模块向BRAM1/2提出需要读取回溯路径。BRAM1/2反馈对应的回溯路径(即REG1~REGN)。回溯具体会从最大分数开始到分数为0时结束,每一个分数的回溯方向为左上,左,上三个中的一个,分别对应匹配或失配(Match/Missmatch)、删除(Deletion)、插入(Insert),用11,10,01表示,00表示结束。在回溯过程中用计数器记录各个方向的数量,当回溯方向为11,01时,读取此时最大分数所在的行数对应的最优候选序列中的碱基,存入到寄存器中,当回溯方向为10时,存储碱基的寄存器保持不变,该寄存器存储的碱基构成修改后的待匹配序列,回溯完成时输出该寄存器中的序列(即P序列)到FIFO。
实施例2。
实施例提供一种基于FPGA的Smith-Waterman算法实现装置,包括:PE处理单元1,用于将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;序列存储单元2,用于记录PE阵列输出的评分值中最大的值和对应的候选序列;回溯单元3,用于执行回溯以修改待匹配基因序列。其中,回溯单元与序列存储单元的处理为并行的处理,即第一个打分运行完成后,第二个打分运算和第一个回溯并行运行。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于FPGA的Smith-Waterman算法实现方法,其特征在于,包括:
将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;
记录PE阵列输出的评分值中最大的值和对应的候选序列;
执行回溯以修改待匹配基因序列。
2.根据权利要求1所述的一种基于FPGA的Smith-Waterman算法实现方法,其特征在于,包括:
筛选全部的待匹配基因序列,得到对应的碱基数量的分布状态和分布期望值;
根据分布期望值设置FPGA中,PE阵列的PE块的数量。
3.根据权利要求2所述的一种基于FPGA的Smith-Waterman算法实现方法,其特征在于,包括:
待匹配基因序列的碱基数量不大于分布期望值,对应的PE阵列只执行一次运算;
待匹配基因序列的碱基数量大于分布期望值,则以第一次运算的相似性评分作为PE阵列的初始值并再次进行相似性评分的运算。
4.根据权利要求2所述的一种基于FPGA的Smith-Waterman算法实现方法,其特征在于,所述PE阵列在执行相似性评分的同时,输出回溯路径至指定的嵌入式块RAM。
5.根据权利要求2所述的一种基于FPGA的Smith-Waterman算法实现方法,其特征在于,所述待匹配基因序列设置有对应的序列ID;
当所述PE阵列完成一个待匹配基因序列的相似性评分,回溯模块根据回溯路径修改对应的待匹配基因序列。
6.一种基于FPGA的Smith-Waterman算法实现装置,其特征在于,包括:
PE处理单元,用于将待匹配基因序列输入PE阵列的集合中,将候选序列的集合以流水线形式输入到对应的PE阵列,PE阵列执行待匹配基因序列与候选序列之间的相似性评分;
序列存储单元,用于记录PE阵列输出的评分值中最大的值和对应的候选序列;
回溯单元,用于执行回溯以修改待匹配基因序列。
7.根据权利要求6所述的一种基于FPGA的Smith-Waterman算法实现装置,其特征在于,还包括:
预处理单元,用于筛选全部的待匹配基因序列,得到对应的碱基数量的分布状态和分布期望值;
根据分布期望值设置FPGA中,PE阵列的PE块的数量。
8.根据权利要求7所述的一种基于FPGA的Smith-Waterman算法实现装置,其特征在于,待匹配基因序列的碱基数量不大于分布期望值,对应的PE阵列只执行一次运算;
待匹配基因序列的碱基数量大于分布期望值,则以第一次运算的相似性评分作为PE阵列的初始值并再次进行相似性评分的运算。
9.根据权利要求8所述的一种基于FPGA的Smith-Waterman算法实现装置,其特征在于,所述PE阵列在执行相似性评分的同时,输出回溯路径至指定的嵌入式块RAM。
10.根据权利要求8所述的一种基于FPGA的Smith-Waterman算法实现装置,其特征在于,所述待匹配基因序列设置有对应的序列ID;
当所述PE阵列完成一个待匹配基因序列的相似性评分,回溯模块根据回溯路径修改对应的待匹配基因序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676632.2A CN110473593A (zh) | 2019-07-25 | 2019-07-25 | 一种基于FPGA的Smith-Waterman算法实现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910676632.2A CN110473593A (zh) | 2019-07-25 | 2019-07-25 | 一种基于FPGA的Smith-Waterman算法实现方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110473593A true CN110473593A (zh) | 2019-11-19 |
Family
ID=68508965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910676632.2A Pending CN110473593A (zh) | 2019-07-25 | 2019-07-25 | 一种基于FPGA的Smith-Waterman算法实现方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473593A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802556A (zh) * | 2021-01-20 | 2021-05-14 | 天津大学合肥创新发展研究院 | 一种针对测序数据的多标记序列并行识别的加速器装置 |
CN113012760A (zh) * | 2020-12-16 | 2021-06-22 | 武汉理工大学 | 基于fpga的基因序列组装算法计算加速方法 |
WO2022082879A1 (zh) * | 2020-10-22 | 2022-04-28 | 深圳华大基因股份有限公司 | 基因测序数据处理方法和基因测序数据处理装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778077A (zh) * | 2016-11-10 | 2017-05-31 | 电子科技大学 | 一种将Smith‑Waterman算法在FPGA平台实现的新方法 |
CN108875301A (zh) * | 2018-06-07 | 2018-11-23 | 郑州云海信息技术有限公司 | 一种基因序列比对方法、pe配置控制器及可读存储介质 |
-
2019
- 2019-07-25 CN CN201910676632.2A patent/CN110473593A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778077A (zh) * | 2016-11-10 | 2017-05-31 | 电子科技大学 | 一种将Smith‑Waterman算法在FPGA平台实现的新方法 |
CN108875301A (zh) * | 2018-06-07 | 2018-11-23 | 郑州云海信息技术有限公司 | 一种基因序列比对方法、pe配置控制器及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
周智 等: "基于FPGA的Smith-Waterman算法的加速与实现", 《电子元器件与信息技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022082879A1 (zh) * | 2020-10-22 | 2022-04-28 | 深圳华大基因股份有限公司 | 基因测序数据处理方法和基因测序数据处理装置 |
CN113012760A (zh) * | 2020-12-16 | 2021-06-22 | 武汉理工大学 | 基于fpga的基因序列组装算法计算加速方法 |
CN112802556A (zh) * | 2021-01-20 | 2021-05-14 | 天津大学合肥创新发展研究院 | 一种针对测序数据的多标记序列并行识别的加速器装置 |
CN112802556B (zh) * | 2021-01-20 | 2023-05-09 | 天津大学合肥创新发展研究院 | 一种针对测序数据的多标记序列并行识别的加速器装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473593A (zh) | 一种基于FPGA的Smith-Waterman算法实现方法及装置 | |
CN102750131B (zh) | 一种面向gpu的双调归并排序方法 | |
CN110516810A (zh) | 一种量子程序的处理方法、装置、存储介质和电子装置 | |
CN106778079A (zh) | 一种基于MapReduce的DNA序列k‑mer频次统计方法 | |
CN103605497B (zh) | 一种二值图像连通域标记快速识别方法 | |
CN106886690A (zh) | 一种面向基因数据计算解读的异构平台 | |
CN106778077A (zh) | 一种将Smith‑Waterman算法在FPGA平台实现的新方法 | |
CN104731729A (zh) | 一种基于异构系统的表连接优化方法、cpu和加速器 | |
CN102663270B (zh) | 基于gpu的序列比对算法的比对结果处理方法 | |
CN109614492A (zh) | 基于人工智能的文本数据增强方法、装置、设备及存储介质 | |
Munekawa et al. | Design and implementation of the Smith-Waterman algorithm on the CUDA-compatible GPU | |
CN106843803A (zh) | 一种基于归并树的全排序加速器及应用 | |
CN102236068B (zh) | 一种芯片测试的方法和装置 | |
CN103984723A (zh) | 一种针对增量数据对频繁项进行更新数据挖掘方法 | |
CN103150157B (zh) | 基于访存分歧的gpu核心程序重组优化方法 | |
CN103117748B (zh) | 一种bwt实现方法中对后缀进行排序的方法及系统 | |
Shi et al. | Accelerating intersection computation in frequent itemset mining with fpga | |
CN104182208A (zh) | 利用破解规则破解密码的方法及系统 | |
CN107423028A (zh) | 一种大规模流程并行排程方法 | |
CN113822379B (zh) | 工艺制程异常分析方法、装置、电子设备及存储介质 | |
Haghi et al. | WFA-FPGA: An efficient accelerator of the wavefront algorithm for short and long read genomics alignment | |
CN102591978B (zh) | 一种分布式文本拷贝检测系统 | |
TWI775151B (zh) | 圖形處理器及其矩陣運算的加速方法 | |
CN113012760B (zh) | 基于fpga的基因序列组装算法计算加速方法 | |
CN101819608B (zh) | 一种微处理器指令级随机验证中加速取指的装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |