基因是指控制生物性状的遗传信息,通常由DNA序列承载,可以视作基本遗传单位。基因的产物可以是蛋白质和RNA,从而控制生物个体的性状差异表现。而两个基因的相似度有多高,演化上是否可能同源。归结到计算上,就是如何找到两个序列的最优或近似最优的比对。随着人类基因组计划的测序工作的完成,生物信息科学的研究重点放在了探明基因序列的功用上。而在高通量测序技术快速进展的背景之下,生物数据呈现指数型增长。因此产生了对大量生物信息数据进行高效准确分析的需求。基因序列决定了生物的性状,查找出基因差异性对于人类克服疾病具有深远的意义。本文在Xeon Phi众核架构上,设计并实现了一个全新的超长序列比对算法SLPal。该算法的计算核心是基于位并行的BitPAI算法。在粗粒度上,为了实现多线程并行,我们将超大规模的矩阵进行了划分。在垂直和水平方向上分别进行划分,将矩阵分成了网格。然后通过Intel TBB并行编程库构建了有向无环图模型来实现该网格中矩阵块之间的并行。在细粒度上,我们用Xeon Phi上的指令集编写了 Intrinsic指令。SLPal中的一些操作没有对应的向量化实现,我们采用手动编写函数来实现了相关的功能。实验表明,相较于已有的超长序列比对算法,SLPal的计算效率更高。在单块KNC和KNL平台上,分别取得了172和482GCUPS的计算性能。相较于Swaphi-ls并行超长序列比对算法,SLPal在KNC和KNL上分别取得了5.8倍和16倍的加速比。