论文部分内容阅读
这篇博士论文主要研究基于混合线性模型遗传分析方法的GPU并行计算及优化。随着新一代测序技术的出现,不但给统计遗传学带来了很多新的机遇,而且在数据处理上也带来了巨大的挑战。新一代测序技术使得生物数据爆炸式增长,数据规模的增长速度已经超过了计算机硬件的发展速度,目前dbSNP公布已确认的人类SNP个数已超过五千三百万,如果采用直接分析SNP之间的互作,则已经超过peta量级的测试。本论文中,我们提出了基于“组学”数据的关联分析GPU并行方法,并采用了基于GPU与CPU的异构并行计算模式。此外,本论文在并行优化方面还设计了基于任务的自适应负载均衡方法,开发了基于混合线性模型的系数矩阵压缩方法,采用了基于索引节点的优化方法,使用了细化并行粒度的循环渗透方法。论文共分四章。第一章引导和概述了统计遗传的发展历程及分析方法。介绍了新一代测序技术带来的机遇与挑战,特别阐述了GPU并行技术,从GPU计算的工作原理,GPU的体系结构,GPU线程的执行模式到GPU的存储器模式。最后,简要阐述了混合线程模型及方差组分估计,固定效应估计和随机效应估计的方法。第二章主要介绍了经典数量遗传分析方法的GPU并行及优化策略。首先介绍了经典数量遗传分析中我们采用的方法,适用于我们提出的各个模型,包括农艺性状模型,种子模型,动物模型及区域实验模型等。重点介绍了经典数量遗传分析方法的GPU并行实现。讨论了所采用的优化技术,包括指令优化,显存空间的优化,显存访问的优化及程序结构的优化。最后介绍了采用GPU加速的经典数量遗传分析软件QGAStation2.0。第三章主要介绍了基于“组学”数据的关联分析方法及其GPU并行优化策略,包括上位性分析,基因环境互作分析的回归模型及其GPU并行优化。基因组的SNP标记数据与转录组、蛋白组和代谢组的表达量数据在数据类型上可以是不一样的。标记数据一般用整型表示,表达量数据一般用浮点型表示。所以首先介绍了基于基因组SNP数据的分析方法,并讨论了该类数据的并行及优化策略。其次介绍了有关转录组,蛋白质组和代谢组数据的分析方法,并讨论了该类数据的并行及优化策略。最后介绍了我们开发的一种新型的基于组学数据关联分析的软件(QTXNetwork)。该软件功能强大,不仅可以分析早期生物标记数据,而且可以分析高通量序列数据及全部“组学”数据,并采用多GPU并行加速。第四章总结和归纳了在并行及优化中所用的关键技术。首先简单介绍了我们提出了和采用的关键技术和方法。随后分别阐述在经典数量遗传分析中所采用的关键技术,在组学数据分析中所采用的关键技术。最后讨论了做好并行计算及优化需要具备的条件。