21世纪以来,计算机科学推动传统学科向前发展并不断形成新的学科,其中生物信息学就是一典型的学科,它对生物信息进行收集、处理、分析和解释,随着生命科学和信息技术的迅猛发展,尤其是信息技术中半导体技术的飞速发展,大大提高了传统生物学对生物数据的收集、分析、处理速度。分析序列的相似性是生物信息学当中最基本的问题,而分析序列相似性的最基本的方法是序列比对,序列比对是为确定两个或多个序列之间的相似性乃至于同源性,而将它们按照一定的算法排列得到结果的一个过程。比如有双序列比对、多序列比对,上述两种比对内部又分为全局比对和局部比对,涉及的处理算法有针对全局比对的Needleman-Wunsch算法和针对局部比对的Smith-Waterman算法、BLAST算法等,而涉及的工具软件主要有BWA,Bowtie,SOAP等。因为下一代测序技术的长足进步,大大降低了这十几年以来人类全基因组的测序成本,较低的测序成本导致测序数据的大量快速积累,而现有的计算资源以及计算速度已经跟不上测序数据的积累速度,因此数据生成与数据处理发生了矛盾,两者产生了速度失配的问题。为此,本论文立足于该矛盾,主要讨论了SmithWaterman算法在硬件平台的实现和加速处理。本论文首先对BWA-MEM软件进行解构,提取Smith-Waterman算法在BWA-MEM软件出现的位置,对算法如何被软件使用进行挖掘分析;同时探讨硬件加速平台的比较与选择;根据选择出的硬件平台的特点,进行硬件加速实现的具体策略研究,最终目标是将Smith-Waterman算法在目标硬件平台实现加速的定性与定量研究,并得出结论。鉴于本课题与相关公司的合作性质,本文的研究成果将为该公司产品的定型以及后续研究提供一定的参考。