基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现

基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现

ID:5210503

大小:30.00 KB

页数:5页

时间:2017-12-06

基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现_第1页
基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现_第2页
基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现_第3页
基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现_第4页
基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现_第5页
资源描述:

《基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基因网络论文:基于多核环境的基因贝叶斯网络构造算法研究与实现【中文摘要】在生物信息学中,研究人员经常通过研究基因表达之间的相互关系来研究基因在蛋白质合成中所起的作用。基因表达的相互关系又可以用基因网络来表示。研究基因网络的一个很重要的模型就是贝叶斯网络。贝叶斯网络具有较好的灵活性,能够处理含有大量噪声的、随机信息的基因表达数据,同时如果在融合了先验知识的基础上,能够更加准确的构建基因网络。但是,构建基因贝叶斯网络的过程往往是一个迭代的过程,具有算法复杂度高,程序运行时间长等缺点。本文通过研究并实现能够处理大量基因表达数据的基因贝叶斯网络构造算法:“稀疏候选”(SparseCand

2、idate)算法,成功地构建了小白鼠脑基因之间的基因网络,并在此基础上,基于多核环境下并行计算的技术,设计了基于多核CPU的基因贝叶斯网络构造算法(pSC),并使用OpenMP语言实现,在IntelI7920的多核CPU上实现5.4左右的加速比,同时设计了基于众核GPU的基因贝叶斯网络构造算法(gSC),并使用CUDA语言在单个NVIDAM2050GPU上实现8.6左右的加速比,最后,在异构环境中,使用四块NVIDIAM2050GPU运行该程序,实现34.4左右的加速比,显著地提高了程序运行的效率,从而提高了生产率。【英文摘要】Intheareaofbioinformatics,

3、researchersoftenusetherelationshipsbetweengene‘sexpressions,whichisalsocalledgenenetworktostudytherolegeneplaysintheprocessofproteinsynthesis.Inordertostudygenenetwork,weoftenneedtobuildupsomemodels,BayesianNetworkisoneoftheimportantmodels,whichhasverygoodflexibilityandisgoodatdealwithlargenu

4、mberofgeneexpressiondatathatmaycontainsomenoisesorsomerandominformation.Furthermore,ifembracedwithpriorknowledgeofthenetwork,itisabletoconstructamoreaccurategenenetwork.However,theprocessofbuildinggenenetworkisusuallyaniterativeprocess,whichisalsoaverycomplicatedandtimeconsumingprocess.Inthis

5、paper,wefirstimplementthegeneBayesianNetworkconstructionalgorithmforthemassivedatasetscalled―SparseCandidate‖algorithmandsuccessfullyconstructthemousebrain‘sgenenetwork.Afterthat,wetakeadvantageoftheparallelcomputingtechnologyinmulticoreenvironmentanddesignanalgorithmbasedonmulticoreCPUcalled

6、pSCalgorithm,weuseOpenMPlanguagetoimplementthepSCalgorithmandachieveabout5.4xspeedupsinIntelI7920CPU,thenwedesignanalgorithmbasedonmany-coreGPUcalledgSCalgorithmanduseCUDAlanguagetoimplementthisalgorithmandfinallyweachieve8.6xspeedupinasingleNVIDIAM2050GPU.Intheend,weachieve34.4xspeedupinahet

7、erogeneousenvironmentthatequipswithIntelI7920andfourNVIDIAM2050GPUs,whichgreatlyimprovetheefficiencyoftheprogram,therebyincreasetheproductivitygreatly.【关键词】基因网络贝叶斯网络并行计算OpenMPCUDA【英文关键词】genenetworkBayesianNetworkparallelcomputingOpenMPCUDA【目录

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。