[發明專利]一種用于基因相似性分析的加速裝置、方法和計算機設備

有效

• 申請號: 201911191604.8
• 申請日: 2019-11-28
• 公開（公告）號: CN110990063B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 陳燦;臧大偉;沈華;譚光明;孫凝暉
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F9/38
• 分類號: G06F9/38;G16B20/00
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

本發明實施例提供了一種用于基因相似性分析的加速裝置、方法和計算機設備，該加速裝置包括高速通信接口，用于與主機通信，接收主機分發的待加速處理的任務；序列緩存模塊，用于緩存來自主機的一個或者多個任務，每個任務包含待進行基因相似性分析的多個基因序列數據；陣列處理機，其上設有用于處理任務的處理單元，處理單元中設有基于數據驅動的流式計算模式處理任務的完整流水線，流水線中配置有處理任務所需的多個定點計算部件；控制模塊，其被配置為用于將序列緩存模塊中的待處理的任務分配給處理單元；任務緩存模塊，其上設置有任務緩存單元，用于緩存分配給處理單元的待處理任務。本發明能夠提高基因相似性分析的效率，快速得到分析結果。

技術領域

本發明涉及生物基因數據處理技術領域，具體來說涉及一種面向圖解基因相似性算法的加速結構，更具體地說，涉及一種用于基因相似性分析的加速裝置、方法和計算機設備。

背景技術

隨著人類基因組計劃的完成，人類對遺傳信息的了解和掌握有了前所未有的進步。與此同時，隨著分子水平的基因檢測技術不斷發展和完善，使得基因測序技術得到了迅猛發展，高通量、低成本的測序技術已經普遍應用，積累了大量不同物種的基因和蛋白質數據。面對爆炸性增長的基因序列的數據量，如何分析和解讀基因序列中所包含的有用信息成為目前生物學研究的關鍵。基因序列的相似性分析在生物信息學中作為關鍵技術之一，是理解基因序列本身結構功能與生物信息最基本的方法。對于一個未知生物的基因序列數據，如果能夠證明它與某些已知序列存在聯系，那么就能在一定程度上推斷出生物的種類和性狀，對生物學、醫藥學的研究具有重要意義。面對海量的基因序列數據，如何提高相似性分析的速度和能效，顯得尤為重要。

基因序列相似性分析算法一般包括比對算法(aligment method)和非比對算法(aligment-free method)。比對算法計算較為精確，但計算復雜度高，速度慢且需要消耗大量的計算資源，隨著基因數據的快速增長，比對算法已經不能滿足基因相似性分析的需求。非比對算法的一個優勢是避免了選擇多個基因的完整基因組序列來進行分析，其次是計算復雜度低并且耗費時間短。近年來，非比對算法在學業界和產業界發展迅速，非比對算法通常包括統計學方法和圖解表示法等，基于k-words的方法是一種經典的統計學方法，但是統計學方法忽略了生物分子的化學結構和特性。基于圖解表示法的主要過程是將序列映射到圖形中，這樣生物序列的復雜關系能夠變得可視化，然后可以使用數值特征描述可視化的圖形。

如果采用通用處理器實現非比對算法時，其處理時間過長，難以滿足快速對數百萬個堿基序列進行相似性分析的需求，所以迫切需要新的計算結構來加速大量堿基序列的相似性分析。具體來說，雖然圖解基因相似性分析算法在適用性和準確性上有很大的優勢，但是面對海量的基因序列數據，其巨大的計算量需求對計算系統的設計提出了挑戰。例如，當前通用處理器的RNA序列比對的通量為每秒一萬個堿基，如果用于處理一個RNA 病毒的序列比對，每次通常需要比對幾十萬個病毒序列，按照病毒平均長度為1000個堿基計算，得到一個病毒的比對結果則需要十幾個小時，對后續制定應對措施比如制藥等有較大的影響，特別是在應對一些因病毒或者細菌引發的突發大規模感染事件，需要爭分奪秒制定應對措施以防止病毒或者細菌失控擴散，而現有的技術在性能上不能滿足要求。