蛋白质系统发育分析并行计算方法研究

摘要：

在目前系统发育学研究中, 多数系统发育分析工具不能在GPU架构上分析蛋白质序列.为此, 提出一种大规模系统发育分析方法 tgpMC3.以添加虚字符的形式重新构造条件似然概率矩阵, 降低由于多线程分支发散导致的时间消耗.设计粒度适中的半任务间并行策略, 增加流多处理器上活跃的线程块数量.通过简单的键值对应方法传输含有模糊状态的转移概率矩阵, 实现数据访问速度的提升.实验结果表明, 与MrBayes v3. 1. 2串行版本方法相比, 该方法最高可实现117的加速比, 与taMC3方法相比, 该方法的并行分析性能更好.

关键词：系统发育分析、条件似然概率、CUDA编程、并行计算、MC3算法

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金 61602026

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：296-302