技術(shù)領(lǐng)域

本發(fā)明涉及生物信息領(lǐng)域序列比對(duì)的方法，尤其指一種基于眾核協(xié)處理器的序列比對(duì)方法。

背景技術(shù)

分子生物學(xué)是從分子水平上研究生命現(xiàn)象物質(zhì)基礎(chǔ)的學(xué)科，通過研究生物分子的結(jié)構(gòu)、功能和合成等方面的原理，從而使生物體的功能和性狀在前所未有的分子細(xì)節(jié)上得到詳盡的分析和理解，進(jìn)而更加科學(xué)嚴(yán)謹(jǐn)?shù)仃U明生命現(xiàn)象的本質(zhì)。

在分子生物學(xué)研究中，DNA的序列分析是進(jìn)一步研究和改造目的基因的基礎(chǔ)。DNA(脫氧核糖核酸)是一種生物大分子，一共分為四種堿基，記為A、T、C、G，這些大分子的排列順序決定了某種遺傳指令，這些遺傳指令是建構(gòu)細(xì)胞內(nèi)其他的化合物，如蛋白質(zhì)與核糖核酸的需要。帶有蛋白質(zhì)編碼的DNA片段稱為基因，即遺傳物質(zhì)，是DNA分子上具有遺傳信息的特定核苷酸序列。基因經(jīng)過轉(zhuǎn)錄、翻譯，最終產(chǎn)生結(jié)構(gòu)和功能各異的、表現(xiàn)生物體性狀的蛋白質(zhì)。

DNA序列分析的基礎(chǔ)是對(duì)DNA分子進(jìn)行測(cè)序，即確定DNA分子中A、T、C、G四種堿基的排列順序。當(dāng)前的DNA測(cè)序技術(shù)，一次實(shí)驗(yàn)最多只能直接測(cè)得不大于5000個(gè)堿基的排列順序，形成多個(gè)DNA短序列(稱為read)。而一般生物的基因組堿基數(shù)目都十分巨大，如人類基因組總長約為30億個(gè)堿基對(duì)。這樣，絕大多數(shù)生物的基因組都不能通過實(shí)驗(yàn)手段一次性獲得，而必須借助于計(jì)算機(jī)技術(shù)進(jìn)行后續(xù)拼接得到完整的基因組。

序列比對(duì)是目前廣泛使用的DNA序列分析方法，它是將測(cè)序得到的read短序列直接與拼接完成的參考基因組進(jìn)行比對(duì)，確定read在參考基因組中是否出現(xiàn)以及出現(xiàn)的具體位置。通過序列比對(duì)進(jìn)行DNA序列分析，避免了對(duì)目標(biāo)基因組進(jìn)行組裝，可以很大程度上節(jié)省序列分析的時(shí)間和工作量，提高序列分析的效率。

由于比對(duì)時(shí)read數(shù)量都較大，無法一次性全部存放到計(jì)算機(jī)主存中。所以目前常用的DNA序列比對(duì)方法均按照以下步驟進(jìn)行：

步驟1：根據(jù)計(jì)算機(jī)主存可用空間大小，將read平均分為若干組，每一組所占空間大小不超過計(jì)算機(jī)主存容量；

步驟2：從磁盤上讀取一組read到主存中；

步驟3：對(duì)讀取到主存中的read逐個(gè)進(jìn)行比對(duì)；

步驟4：將read比對(duì)結(jié)果寫回磁盤；

步驟5：檢查磁盤中是否還存在未比對(duì)的序列，如果存在，返回步驟2；如果不存在，結(jié)束比對(duì)過程。

目前比對(duì)主要使用的運(yùn)算器件為計(jì)算機(jī)中央處理器CPU或者圖形處理器GPU。

雖然與進(jìn)行序列組裝相比，序列比對(duì)可以節(jié)省大量時(shí)間，但是目前廣泛使用的基于CPU的串行序列比對(duì)方法的速度仍比較慢，如在配備兩路八核Intel?2.4GHz?CPU的常用服務(wù)器上，采用李恒在論文《Fast?and?accurate?short?read?alignment?with?Burrows-Wheeler?Transform》中公布的基于BW(Burrows-Wheeler)變換的序列比對(duì)方法，對(duì)長度為100個(gè)堿基的8千萬條序列進(jìn)行比對(duì)，需要花費(fèi)一天以上時(shí)間，很難滿足后序的序列分析對(duì)于時(shí)間的要求，更是無法滿足時(shí)效性要求較高的臨床需求。

基于CPU的并行序列比對(duì)方法使得多個(gè)線程能夠并行進(jìn)行序列比對(duì)，有效地提高了序列比對(duì)的速度。但是目前絕大部分研究機(jī)構(gòu)使用的是單節(jié)點(diǎn)服務(wù)器，CPU計(jì)算能力十分有限。而隨著測(cè)序技術(shù)的發(fā)展，特別是新一代高通量測(cè)序技術(shù)的出現(xiàn)，單位時(shí)間內(nèi)產(chǎn)生的read數(shù)量翻了幾翻，基于CPU的并行序列比對(duì)軟件也已經(jīng)很難有效處理如此大量的read。

基于GPU的序列比對(duì)軟件，利用GPU具有大量計(jì)算核心的特性，使用其對(duì)序列比對(duì)進(jìn)行加速，有效地增強(qiáng)了服務(wù)器的計(jì)算能力，與基于CPU的并行序列比對(duì)方法相比，進(jìn)一步提高了速度。GPU指令集設(shè)計(jì)與CPU相比較為簡單，但是能夠快速處理簡單的浮點(diǎn)和整型計(jì)算。而目前廣泛使用的李恒在論文《Fast?and?accurate?short?read?alignment?with?Burrows-Wheeler?Transform》中公布的基于BW(Burrows-Wheeler)變換的序列比對(duì)方法運(yùn)算過程復(fù)雜，程序分支多，當(dāng)GPU中的一個(gè)核心遇到分支時(shí)，與其同組的其他核心均要等待該分支處理完畢才能繼續(xù)并行執(zhí)行，很大程度上降低了序列比對(duì)的效率。