بهبود و موازی سازی انطباق دوگانه با استفاده از واحد پردازش گرافیک (GPU)

انطباق دوگانه ، یکی از اساسی ترین اعمال در بیوانفورماتیک است. توالی هایی که تازه کشف شده اند با استفاده از انطباق دوگانه با توالی های موجود در پایگاه داده، مورد انطباق واقع می شوند. از بین توالی های موجود در پایگاه داده توالی که بیشترین درصد تشابه با توالی مد نظر را دارد، شناسایی شده و ویژگی های زیستی این توالی به توالی تازه کشف شده نسبت داده می شود. بدین طریق بدون این که توالی جدید در آزمایشگاه توسط زیست شناسان مورد بررسی واقع شود، ویژگی های زیستی آن شناسایی می شود. الگوریتمی که برای انطباق دوگانه استفاده می شود، الگوریتم اسمیت-واترمن است. این الگوریتم از روش برنامه ریزی پویا استفاده می کند]8،12[. این الگوریتم برای دو توالی به طول mو n دارای پیچیدگی O(m × n)است]6[. زمانی که تعداد توالی ها افزایش یابد، زمان اجرای این الگوریتم به صورت نمایی افزایش می یابد. از راه کارهای متعارف نمی توان نتایج مورد قبول به دست آورد. از این رو راه کارهایی جهت تسریع انطباق توالی ها به شدت مورد توجه قرار گرفته است. بدین منظور الگوریتم هایی که جهت انطباق مورد استفاده قرار می گیرند به صورت موازی، پیاده سازی شده اند. در میان روش های مختلف موازی سازی، استفاده از سخت افزار واحد پردازش گرافیک GPU به علت ارزان بودن، کانون توجهات قرار گرفته است. الگوریتم اسمیت-واترمن شامل هزاران عملیات ماتریسی است که قابلیت پیاده سازی روی GPUرا دارد.

کلیدواژه ها:

انطباق دوگانه ی توالی ها ، ، واحد پردازش گرافیک(GPU) ، موازی سازی