基于CUDA的蛋白質(zhì)結(jié)構(gòu)比對(duì)算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、生物學(xué)研究發(fā)現(xiàn)氨基酸鏈空間結(jié)構(gòu)越相似，功能也越相似。比對(duì)氨基酸鏈的空間結(jié)構(gòu)相似程度對(duì)研究生物信息學(xué)有很大意義，但是處理龐大繁雜的氨基酸鏈空間結(jié)構(gòu)數(shù)據(jù)需要消耗大量的時(shí)間和經(jīng)費(fèi)。若基于GPU技術(shù)開發(fā)計(jì)算多個(gè)氨基酸鏈結(jié)構(gòu)別對(duì)程序，對(duì)蛋白質(zhì)結(jié)構(gòu)功能闡述有重要意義。結(jié)構(gòu)比對(duì)時(shí)間。
　　在研究分析GPU計(jì)算的基礎(chǔ)上，對(duì)一種結(jié)構(gòu)比對(duì)程序Tm-align算法，采用CUDA技術(shù)進(jìn)行設(shè)計(jì)與實(shí)現(xiàn)。主要研究內(nèi)容包括：剖析傳統(tǒng)TM-align蛋白質(zhì)空間結(jié)構(gòu)

2、比對(duì)算法，并且研究GPU計(jì)算儲(chǔ)存架構(gòu)。對(duì)TM-align算法進(jìn)行計(jì)算任務(wù)分割，使大量計(jì)算任務(wù)可以并行處理在GPU上；對(duì)Tm-align算法的五個(gè)初始化、動(dòng)態(tài)規(guī)劃等環(huán)節(jié)進(jìn)行優(yōu)化，使得Tm-align運(yùn)行流程更加適合GPU，進(jìn)一步得到更好的加速比。在此針對(duì)動(dòng)態(tài)規(guī)劃算法提出了基于流水線的并行化和基于線性內(nèi)存聚合訪問的兩種并行化思路，并對(duì)兩種并行化思路適用的情況通過實(shí)驗(yàn)作出的解釋與說明。最后，提出適用多GPU計(jì)算提供解決方案。
　　采用的