本發(fā)明異構平臺的SIFT并行算法的實現技術，尤其涉及一種基于CPU+MIC平臺異構計算的并行加速的處理方法。
背景技術：
：：SIFT算法是用來預測當氨基酸變化是否會影響蛋白質的功能的工具，應用于在自然界中突變或者是在實驗室的人工誘導變異。SIFT首先通過blast來查找同源序列，然后使用PSI_BLAST選擇相近的相關序列，最后計算氨基酸的轉換是否影響蛋白質的功能，具體流程，如圖1所示?？梢钥闯鯯IFT算法是由PSIBLAST算法以及其他后續(xù)處理算法組成。PSIBLAST是SIFT算法的核心算法，是基于局部序列比對的數據庫相似性搜索工具，一種啟發(fā)式搜索算法，其核心在于:seeding和extending。流程如下所示：1.建立查詢字串的列表(makelookuptable)a)按照字長為W(蛋白一般為3)劃分查詢序列，構建W字長的字串列表，b)尋找所有與字串匹配比對分值大于閾值T的鄰居字串(根據打分矩陣)，將它們也加入查詢字串列表中去2.在數據庫中搜索增強點(Seeding階段)：在數據庫中搜索，與查詢字串列表中的字串精確匹配的形成一個hit增強點，作為下一步的種子；3.擴展種子(Extending階段)：對于種子，根據打分矩陣沿左右兩個方向延伸直到分值低于一個閾值S，得到的結果稱為HSP；4.根據得分矩陣的進行回溯，得出比對結果序列?；綽last算法是不考慮空位插入的，但在生物進化過程中堿基的插入或缺失突變是普遍存在的，因此比對結果中常會出現一些無空位但不連續(xù)的區(qū)域，若將這些高分分值片段對通過一些相似性較低且有空位的片段連接起來，就能形成一些更長或更有實際意義的比對，因此改進的BLAST算法允許空位的出現，在多個HSP中，找一個最好的得分最高的片段對(MSP)，以此基礎運行動態(tài)規(guī)劃將一片段向序列的兩段延伸，最終產生一個積分較高的最佳比對結果，且有可能空位產生。改進算法(含空位)流程：（1）采取two-hits階段，即距離小于A而得分大于T的兩個相鄰hits串聯起來形成種子進入下一步；（2）兩步擴展：首先對種子進行不含空位擴展，形成HSP(最初版本的BLAST)，之后進行含空位的擴展。PSI-BLAST(PositionSpecificIterativeBLAST)，位點特異的迭代blast搜索，主要針對蛋白序列，主要搜索與感興趣蛋白遠源相關的蛋白。第一次blast搜索后，結果中最相似的序列重新構建PSSM(位點特異打分矩陣)，然后根據此矩陣進行第二次blast搜素，再調整矩陣，搜索，調整矩陣，如此迭代。與blastp程序相比，提高了搜索的靈敏度。（傳統(tǒng)的BLAST對打分矩陣依賴大，HSP的計分值都依賴固定的計分矩陣，建立的PSSM使不能被搜索到的遠緣蛋白被比對上），PSIBLAST流程圖如圖2所示。計算速度對于高性能計算尤為重要，高性能計算將朝多核、眾核發(fā)展，采用異構并行提升應用計算速度，目前CPU+MIC是非常成熟的異構協同計算模式，適合高度并行計算的應用或算法，如生物信息學、計算流體力學應用、FFT計算等，但由于MIC協處理器在編程效率、細粒度并行算法設計、大規(guī)模并行性能上都存在巨大挑戰(zhàn)。隨著IntelKNL(KnightLightsLanding)的正式發(fā)布，CPU+MIC將是高性能計算一個不錯的選擇，利用KNL的眾核、兼容傳統(tǒng)CPU平臺二進制程序的等其他技術特點，特別適合并行度高的算法，采用此架構能在提升應用性能的同時大大提高編程效率，MIC能與CPU完美結合解決更多的應用性能瓶頸，但對于某些向量化程度不高、內存密集型應用其性能也面臨著挑戰(zhàn)，將極大滿足不同應用的計算性能需求。技術實現要素：本發(fā)明要解決的技術問題是針對SIFT算法的特性及并行處理的思想，利用CPU+MIC異構平臺的優(yōu)點，尤其是Intel新一代KNL協處理器的特性，以實現整個算法效率大幅提升，并解決傳統(tǒng)CPU計算方法以及系統(tǒng)應用的性能低下、生產效率低等問題。為解決上述技術問題，為此，本發(fā)明針對CPU+MIC異構平臺提供一種基于CPU+MIC異構平臺的SIFT并行算法，它具有算法效率大幅提升，并解決傳統(tǒng)CPU計算方法以及系統(tǒng)應用的性能低下、生產效率低等問題的優(yōu)點。本發(fā)明提供了一種實現針對CPU+MIC異構平臺、及SIFT算法的并行處理思想；并聯合MPI進行并行計算進行蛋白質序列比對并行處理的集群系統(tǒng)，該系統(tǒng)分為硬件系統(tǒng)和PSIBLAST算法軟件系統(tǒng)，其中硬件系統(tǒng)包括：一個主處理器平臺的系統(tǒng)和多個協處理器平臺加速平臺，其中主處理器采用純CPU芯片計算，協作加速平臺才用基于Intel的MIC技術的KNL平臺加速處理；專用OPA高速網絡，用于連接MIC集群中每個節(jié)點，每個節(jié)點可以互相實現高速通信，硬件體系結構圖如圖3所示。為了實現上述目的，本發(fā)明采用如下技術方案。一種基于CPU+MIC異構平臺的SIFT并行算法，對SIFT算法中核心模塊進行MIC上的加速，利用消息傳遞機制系統(tǒng)，對當前多序列進行分割，形成多條單蛋白質序列，對每條蛋白質序列進行并行加速處理、在數據庫中進行序列比對，挖掘其并行度?；贑PU+MIC異構平臺的SIFT并行算法，具體包括：第一步，初始化各參數，包括查詢長度、打分矩陣、閾值T、比對序列數據庫、迭代次數、顯著性分析的期望值、比對長度等，對序列比對模塊PSIBLAST并行計算，第二步，對蛋白質多序列數據按照生物信息學的標準進行分割處理。第三步，利用MPI消息傳遞機制進行多條蛋白質數據序列的分發(fā)，分發(fā)至MIC集群進行加速運算。第四步，比對結果輸出對齊統(tǒng)計、根據種子中位選擇蛋白質序列、序列排序、生成預測信息、數據合并處理。PSIBLAST并行算法首先將整個序列群體分解成若干個子群,然后針對各個子群,同時并行進行子群內部的序列比對算法的運算,由于各個子群中蛋白質序列數據是相互獨立而不相關的,所以能夠很好地進行并行計算。另外,各個子群中序列的數據不相關,進行序列比對時,非常合適并行計算。由此可見,可以將各個子群分配利用多處理器節(jié)點或者多線程的方式進行遺傳算子并行操作,提高整個PSIBLAST算法的運行效率，實現計算規(guī)模的擴展，滿足高性能應用的要求。本發(fā)明使用在蛋白質序列數據庫分割并行算法的模型基礎上,提出了基于查詢序列分割算法,查找序列分割算法采用生物信息蛋白質分割技術,對蛋白質多查詢序列數據進行有效合理分割。查詢序列分割算法的輸入是單文本中多條待進行序列比對的蛋白質查詢序列,輸出結果是序列比對的數據集，基于MPI的PSIBLAST算法流程。為了更好地加速SIFT算法，本發(fā)明算法分為三部分結構:(1)對SIFT算法中核心的序列比對算法模塊PSIBLAST進行MIC平臺的加速，并利用向量化、多線程的方式達到一個理想的加速效果;(2)SIFT算法中的其他流程利用CPU平臺的高頻率特點進行CPU的計算，并很好地與PSIBLAST算法進行異構協同加速。(3)對多蛋白質序列數據進行有效分割，并行處理計算運行SIFT算法，進一步挖掘SIFT算法的并行度，為了提高并行挖掘的效率，根據數據流的特點,基于MPI的并行計算模式，提高算法效率。本發(fā)明的有益效果：本發(fā)明實現整個算法效率大幅提升，并解決傳統(tǒng)CPU計算方法以及系統(tǒng)應用的性能低下、生產效率低等問題。附圖說明圖1.SIFT算法流程示意圖。圖2.PSIBLAST算法流程示意圖。圖3.CPU+MIC異構平臺系統(tǒng)。圖4.CPU+MIC異構平臺SIFT并行算法示意圖。具體實施方式下面結合附圖與實施例對本發(fā)明作進一步說明。如圖3、圖4所示，一種基于CPU+MIC異構平臺的SIFT并行算法，為進行異構加速計算，將p53數據發(fā)送至MIC平臺加速運行，為進行多蛋白質序列數據序列比并行比對，對蛋白質序列數據文本進行分割，并利用消息傳遞機制負載均衡地發(fā)送至MIC集群進行算法加速，并將加速運行完后的結果進行分析綜合，以下是實施的具體步驟。第一步：初始化各參數，包括查詢長度、打分矩陣、閾值T、比對序列數據庫、迭代次數、顯著性分析的期望值、比對長度等，由于對其中的序列比對模塊PSIBLAST采用并行算法，因此還需要設置線程數。第二步：由于需要對多序列蛋白質數據進行SIFT算法的流程，因此首先要對蛋白質多序列數據按照生物信息學的標準進行分割處理。第三步：利用MPI消息傳遞機制進行多條蛋白質數據序列的分發(fā)，分發(fā)至MIC集群進行加速運算。MPI偽碼如下:MPI_init(){MPI_COMM_SIZE(n);MPI_COMM_RANK(CurRank);if(CurRank=0)//主節(jié)點,初始化查詢序列和分發(fā)計算任務{MPI_Scatterv(sequence[]);……MPI_Gatherv(result[]);}else//CurRank不是0,是從節(jié)點,接收主節(jié)點任務，進行序列數據比對{PSIBLAST()……}MPl_finalize();}第四步：比對結果輸出對齊統(tǒng)計、根據種子中位選擇蛋白質序列、序列排序、生成預測信息、數據合并處理。由于SIFT算法其他步驟如耗時較短，流程簡單，在CPU段利用CPU的高頻率即可快速運行處理。上述雖然結合附圖對本發(fā)明的具體實施方式進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領域技術人員應該明白，在本發(fā)明的技術方案的基礎上，本領域技術人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍以內。當前第1頁1 2 3 當前第1頁1 2 3