[發(fā)明專利]一種蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法及其系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201010292031.0
• 申請(qǐng)日: 2010-09-26
• 公開（公告）號(hào): CN102411679A
• 公開（公告）日: 2012-04-11
• 發(fā)明（設(shè)計(jì)）人: 王樂珩;王文平;遲浩;吳妍潔;周郴;付巖;孫瑞祥;賀思敏
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06F19/18
• 分類號(hào): G06F19/18
• 代理公司: 北京律誠同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11006
• 代理人: 祁建國;梁揮

1.一種蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法，其特征在于，包括：

步驟1，輸入蛋白質(zhì)序列，采用并行處理方法對(duì)所述蛋白質(zhì)序列進(jìn)行理論酶切得到肽序列，對(duì)所述肽序列按照理論母離子質(zhì)量進(jìn)行排序、去冗余處理，以創(chuàng)建肽索引文件塊，并根據(jù)所述肽索引文件塊生成肽索引元數(shù)據(jù)文件；

步驟2，輸入質(zhì)譜譜圖，采用并行處理方法對(duì)所述質(zhì)譜譜圖按照實(shí)驗(yàn)?zāi)鸽x子質(zhì)量進(jìn)行排序，并將排序后的質(zhì)譜譜圖進(jìn)行平均劃分，得到多個(gè)譜圖數(shù)據(jù)塊，并根據(jù)所述譜圖數(shù)據(jù)塊生成質(zhì)譜元數(shù)據(jù)文件；

步驟3，將所述譜圖數(shù)據(jù)塊平均分配給多個(gè)主進(jìn)程，各主進(jìn)程管理多個(gè)從進(jìn)程，各主進(jìn)程對(duì)所分配的譜圖數(shù)據(jù)塊進(jìn)行排序，依次指派給空閑的從進(jìn)程進(jìn)行肽譜匹配鑒定，并當(dāng)所述肽索引文件塊不止一塊時(shí)，將同一個(gè)所述譜圖數(shù)據(jù)塊分配給多個(gè)從進(jìn)程，由該多個(gè)從進(jìn)程遍歷單塊所述肽索引文件塊進(jìn)行肽譜匹配鑒定；

步驟4，采用并行處理方法，匯總鑒定結(jié)果，利用鑒定到的肽序列推斷對(duì)應(yīng)的蛋白質(zhì)序列，生成輸出文件。

2.根據(jù)權(quán)利要求1所述的蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法，其特征在于，

所述步驟1中，還包括：

11，將所述蛋白質(zhì)序列平均劃分為多個(gè)蛋白質(zhì)序列子文件，每個(gè)所述蛋白質(zhì)序列子文件的容量小于集群節(jié)點(diǎn)的本地存儲(chǔ)器空間；

12，對(duì)每個(gè)所述蛋白質(zhì)序列子文件由一個(gè)肽索引映射處理器進(jìn)程處理，所述肽索引映射處理器進(jìn)程之間相互獨(dú)立并行處理，所述肽索引映射處理器進(jìn)程將所處理的蛋白質(zhì)序列子文件中的每一條蛋白質(zhì)序列依次進(jìn)行理論酶切得到肽序列，再將所述肽序列按照質(zhì)量范圍劃分到相應(yīng)的隊(duì)列中，去除冗余肽序列后，將各個(gè)隊(duì)列存儲(chǔ)到不同的肽序列中間文件；

13，對(duì)不同的質(zhì)量范圍，每個(gè)質(zhì)量范圍由一個(gè)肽索引歸約處理器進(jìn)程處理，所述肽索引歸約處理器進(jìn)程之間相互獨(dú)立并行處理，所述肽索引歸約處理器進(jìn)程讀取本質(zhì)量范圍內(nèi)的所有肽序列中間文件中的肽序列，并先按照理論母離子質(zhì)量大小排列，當(dāng)所述肽序列的理論母離子質(zhì)量相同時(shí)，再根據(jù)所述肽序列的字符串的常規(guī)英文字典序排序，排序后去除冗余，創(chuàng)建肽索引文件塊；

14，收集所有所述肽索引文件塊的信息，并根據(jù)所述信息生成所述肽索引元數(shù)據(jù)文件。

3.根據(jù)權(quán)利要求2所述的蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法，其特征在于，

所述步驟12中，還包括：

當(dāng)所述蛋白質(zhì)序列子文件的個(gè)數(shù)大于集群中處理器核的個(gè)數(shù)時(shí)，或大于所述肽索引映射處理器進(jìn)程數(shù)時(shí)，對(duì)所述蛋白質(zhì)序列子文件進(jìn)行多輪處理，完成任務(wù)的肽索引映射處理器進(jìn)程繼續(xù)領(lǐng)取新任務(wù)，先到先得，直到所有蛋白質(zhì)序列子文件都處理完。

4.根據(jù)權(quán)利要求2所述的蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法，其特征在于，

所述步驟13中，還包括：

當(dāng)所述質(zhì)量范圍的個(gè)數(shù)大于集群中處理器核的個(gè)數(shù)時(shí)，或大于所述肽索引歸約處理器進(jìn)程數(shù)時(shí)，對(duì)所述質(zhì)量范圍進(jìn)行多輪處理，完成任務(wù)的肽索引歸約處理器進(jìn)程繼續(xù)領(lǐng)取新任務(wù)，先到先得，直到所有所述肽序列中間文件都處理完。

5.根據(jù)權(quán)利要求1、2、3或4所述的蛋白質(zhì)鑒定的大規(guī)模分布式并行加速方法，其特征在于，

所述步驟2中，還包括：

21，解析所述質(zhì)譜譜圖，將所述質(zhì)譜譜圖平均劃分為多個(gè)原始數(shù)據(jù)塊，每個(gè)所述原始數(shù)據(jù)塊的容量小于集群節(jié)點(diǎn)的本地存儲(chǔ)器空間；

22，對(duì)每個(gè)所述原始數(shù)據(jù)塊由一個(gè)譜圖映射處理器進(jìn)程處理，所述譜圖映射處理器進(jìn)程依次讀入所處理的原始數(shù)據(jù)塊中的每一張質(zhì)譜譜圖，按照質(zhì)量范圍將所述質(zhì)譜譜圖劃分到相應(yīng)的隊(duì)列中，再將各個(gè)隊(duì)列存儲(chǔ)到不同的譜圖中間文件中；

23，對(duì)不同的質(zhì)量范圍，每個(gè)質(zhì)量范圍由一個(gè)譜圖歸約處理器進(jìn)程處理，所述譜圖歸約處理器進(jìn)程之間相互獨(dú)立并行處理，所述譜圖歸約處理器進(jìn)程將讀取本質(zhì)量范圍內(nèi)的所有譜圖中間文件，對(duì)輸入的質(zhì)譜譜圖先按實(shí)驗(yàn)?zāi)鸽x子質(zhì)量大小排列，當(dāng)實(shí)驗(yàn)?zāi)鸽x子質(zhì)量相同時(shí)，再根據(jù)譜圖標(biāo)題名的常規(guī)英文字典序排序，排序后依次存入多塊譜圖數(shù)據(jù)塊，每塊中包含的質(zhì)譜譜圖數(shù)目相等；

24，收集所有所述質(zhì)譜數(shù)據(jù)塊的信息，并根據(jù)所述信息生成所述質(zhì)譜元數(shù)據(jù)文件。