khai thác kiến trúc phân tán và chia sẻ tìm sự tương đồng của các trình tự sinh học

Mỗi tiến trình xử lý trên một nhóm các trình tự được phân đoạn một cách đồng thời Công việc 2: Song song hóa thuật toán bắt cặp trình tự 10...  Công việc 1: Sử dụng mô hình truyền thô

Báo cáo luận văn cao học

Khai thác kiến trúc phân tán và chia

sẻ tìm sự tương đồng của các trình

tự sinh học

GVHD: PGS.TS Trần Văn Lăng HVTH: Phạm Đông Phong

1

Lac Hong University

1 Đặt vấn đè

2 Mục tiêu cần giải quyết

3 Phương pháp thục hiện

4 Kết quả trình thực nghiệm

5 Kết luận và hướng phát triển

Nội dung trình bày

2

Sắp hàng trình tự nhằm tìm kiếm, phân loại trình

tự chuỗi DNA, Protein, ứng dụng trong xây dựng cây phân loài vẫn là một bài toán lớn và

(Bioinfomation)

1 Đặt vấn đề

3

Hiện nay số lượng các trình tự trong các cơ sở dữ liệu sinh tin học lớn trên thế giới như:

lượng lớn dữ liệu trở nên kém hiệu quả

 phải giải quyết vấn đề này ???

1 Đặt vấn đề

4

Những năm gần đây 2 thuật toán thường được sử dụng để bắt cặp trình tự nhất là thuật toán:

- Smith – Waterman

- Needleman - Wunsch

1 Đặt vấn đề

5

Luận văn dựa vào thuật toán Smith – Waterman để bắt cặp trình tự cục bộ

 cụ thể sẽ tìm kiếm sự tương đồng của 1 đoạn trình

tự đầu vào với 1 trình tự nào đó tồn tại trong ngân hàng gen

1 Đặt vấn đề

7

8

 Giải quyết bài toán sắp hàng trình tự cục bộ

 Cung cấp thực nghiệm cho các nghiên cứu khác sâu hơn

2 Mục tiêu cầm giải quyết

9

3 Phương pháp thực hiện

Đề giải quyết bài toán, nhóm tác giả thực hiện 2 công việc:

Công việc 1: Song song xử lý dữ liệu Mỗi tiến trình xử lý

trên một nhóm các trình tự được phân đoạn một cách đồng thời

Công việc 2: Song song hóa thuật toán bắt cặp trình tự

10

 Công việc 1: Sử dụng mô hình truyền thông điệp

MPI

Giải quyết bài toán trên môi trường

tính toán song song

Mô hình MPI trong công trình này nhóm tác giả sử dụng không làm nhiệm vụ bắt cặp trình tự, mà:

- Gửi tập chỉ mục dữ liệu nhỏ về cho các máy tính con khác nhau để tiến hành bắt cặp trình tự đồng thời trên các

Giải quyết bài toán trên môi trường

tính toán song song

* Các bước thực hiện:

Bước 1: Nhập và gửi trình tự muốn tìm

- Nhập 1 trình tự muốn tìm kèm theo các tham số: vd độ tương đồng mong muốn, phân nhóm trình tự, dựa theo cây phân loài, hoặc tìm trên các đoạn trình tự đặc trưng…

- Gửi trình tự muốn tìm này về cho các Client

Công việc của Client:

……

gửi DNA

trình tự muốn tìm

12

Giải quyết bài toán trên môi trường

tính toán song song

* Các bước thực hiện:

Bước 2: Xác định tập dữ liệu nhỏ sẽ được

thực hiện trên Client

- Từ một dãy các trình tự trong ngân hàng

dữ liệu và các tham số đầu vào

- Phân chia thành các tập dữ liệu nhỏ, xác

định số lượng trình tự sẽ được xử lý trên

các Client

- Xác định vị trí (tập chỉ mục) trình tự sẽ

được xử lý trên Client

- Gửi các vị trí này về cho máy client

Server

Phân chia ngân hàng DNA

Client 1 Client 2

……

Ngân hàng DNA

GCTAGCTAGT CGTGATGGT CGTAGTGCTC CGTATATAC CGTGTGTATA ACATGTGCT

13

Giải quyết bài toán trên môi trường

tính toán song song

* Các bước thực hiện:

Bước 3: Công việc của Client:

- Client sử dụng thuật toán Smith-Waterman cải tiến chạy trên GPU

để bắt cặp trình tự trên những trình tự được chỉ định trong ngân hàng dữ liệu từ Server với trình tự muốn tìm

14

Giải quyết bài toán trên môi trường tính toán song song

Smith-Smith- Waterman

Smith- Waterman

GCTAGCTAGT CGTGATGGT CGTAGTGCTC CGTATATAC CGTGTGTATA ACATGTGCT

15

3 Giải quyết bài toán trên môi trường tính toán song song

* Các bước thực hiện:

Bước 4: Client gửi chuỗi kết quả về tiến trình Server tổng hợp

- Client gửi chuỗi kết quả về Server

- Server nhận chuỗi kết quả từ các Client gửi về

- Server tổng hợp so sánh tìm trình tự có vị trí và điểm số đánh giá cao nhất

16

 Công việc 2: Song song hóa thuật toán bắt cặp trình tự

(Smith – Waterman)

Sơ lược thuật toán Smith – Waterman tuần tự

Thuật toán Smith-Waterman là thuật toán được phát triển bởi T.F Smith và M.S Waterman vào năm 1981 dựa trên một mô hình đề xuất trước đó của Needleman và Wunsch

Giải quyết bài toán trên môi trường

tính toán song song

17

 Đặc điểm:

Thuật toán Smith-Waterman là thuật toán sắp hàng cặp chuỗi cục bộ dựa trên quy hoạch động để tính điểm cho quá trình sắp hàng chuỗi

Điểm cho sắp hàng chuỗi từng cặp ký tự phụ thuộc vào: hai ký

tự là giống nhau (matches), hai ký tự không giống nhau

(mismatches) và điểm cho việc thêm/bớt khoảng trống (gap

penalty)

Giải quyết bài toán trên môi trường

tính toán song song

18

Giải quyết bài toán trên môi trường tính toán song song

Giải quyết bài toán trên môi trường tính toán song song

Bước 1: Khởi tạo ma trận F

20

Giải quyết bài toán trên môi trường tính toán song song

Bước 2: Điền giá trị vào ma trận F

+ Tính F(i,j) theo công thức:

F(i, j) = Max ( 0, F(i-1, j-1) + S(i, j), F(i-1, j) - d, F(i, j-1) - d )

+ Mỗi khi tính F(i, j) lưu lại chỉ số của số hạng ở vế phải

THUẬT TOÁN

Match = 2 , Mismatch= -1, D= -1

21

Giải quyết bài toán trên môi trường tính toán song song

Bước 3: Tìm ô ( i max, j max) có điểm cao nhất

THUẬT TOÁN

Match = 2 , Mismatch= -1, D= -1

22

Giải quyết bài toán trên môi trường

tính toán song song

Giải quyết bài toán trên môi trường tính toán song song

THUẬT TOÁN

Kết quả:

24

Giải quyết bài toán trên môi trường

tính toán song song

Thuật toán Smith-Waterman trên môi trường CPU-GPU

Vần đề chủ đạo của thuật toán Smith-Waterman là phải xây dựng ma trận F, với mỗi phần tử của ma trận F được tính và điền 1 cách tuần tự

Do đó tư tưởng chủ đạo của việc song song thuật toán là sẽ điền các phần tử ma trận F một cách đồng thời

Ví dụ khi cần tính phần tử Fi,j, phải dựa vào 3 phần tử khác là:

* Fi-1,j

* Fi-1,j-1

* Fi,j-1

25

Giải quyết bài toán trên môi trường

tính toán song song

Thuật toán Smith-Waterman trên môi trường CPU-GPU

Do đó ta có thể tính giá trị các phần tử của ma trận F nằm trên đường chéo 1 cách đồng thời:

n +m - 2

26

Card đồ hoạ NVIDIA GeForce GTX295 với 2 GB RAM DDR3,

480 cores, hệ điều hành Microsoft Windows 7 SP1

27

4 Kết quả thực nghiệm

• Dữ liệu thực nghiệm: Dữ liệu thử nghiệm là các trình tự

protein được lấy từ cơ sở dữ liệu NCBI theo chuẩn fasta, được chia làm 3 nhóm nhằm đánh giá khả năng thực hiện song song trên môi trường CUDA

- Nhóm 1 gồm 10000 trình tự có độ dài ngắn Độ dài trung

4 Kết quả thực nghiệm

Ngoài ra, để đánh giá khả năng thực hiện song song hoá dữ liệu trên môi trường MPI, mỗi nhóm dữ liệu trên lại chia thành 3 nhóm nhỏ:

4 Kết quả thực nghiệm

Nhóm 1A Nhóm 1B Nhóm 1C Thời gian chạy (giây) 0.45 4.61 20.94

Thời gian chạy (giây) 7.15 23.94 59.63

Nhóm 3A Nhóm 3B Nhóm 3C Thời gian chạy (giây) 37.86 138.41 581.95

Kết quả sắp hàng đa trình tự với nhóm 1 Mỗi nhóm tiến hành chạy thử nghiệm 10 lần và lấy thời gian trung bình

Kết quả sắp hàng đa trình tự với nhóm 2 Mỗi nhóm tiến hành chạy thử nghiệm 10 lần và lấy thời gian trung bình

Kết quả sắp hàng đa trình tự với nhóm 3 Mỗi nhóm tiến hành chạy thử nghiệm 10 lần và lấy thời gian trung bình

30

4 Kết quả thực nghiệm

Biểu đồ tương quan về thời gian chạy của 3 nhóm

0100

MPI kết hợp CUDA Chương trình CPU

BIỂU ĐỒ THỜI GIAN THỰC HIỆN CÁC NHÓM

5 Kết luận và hướng phát triển

Biểu đồ tương quan về thời gian chạy của 3 nhóm

• Đề tài này đưa ra giải pháp song song hoá giải thuật Clustal phổ biến nhằm nâng cao hiệu năng tính toán cho bài toán bắt cặp trình tự

• Đóng góp: tập dữ liệu càng lớn thì chương trình CUDA càng phát huy được ưu thế về tính toán của mình

34

5 Kết luận và hướng phát triển

Biểu đồ tương quan về thời gian chạy của 3 nhóm

• Hướng phát triển:

- Phát triển giao diện người dùng thay cho giao diện

dòng lệnh

- Song song hoá toàn bộ các bước của thuật toán

Clustal Tinh chỉnh hiệu quả hơn hàm thực thi trong CUDA

35

Em chân thành cám ơn Hội đồng

36