.png){kind=icon}
返回
GPU-Powered Evolutionary Auxiliary Multitasking for Fast SNP Interaction Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TCBBIO.2025.3564952.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别数百万个单核苷酸多态性（SNPs）之间的复杂相互作用是全基因组关联研究（GWAS）中的关键挑战，为复杂疾病的遗传结构提供了重要见解。基于进化算法（EA）的方法因其全局搜索能力、可控运行时间和多目标优化潜力而获得广泛关注。然而，当应用于高维GWAS数据集时，许多现有的基于EA的方法会遇到陷入局部最优和面临高计算需求等挑战。为解决这些问题，进化多任务（EMT）范式提供了一种有前景的解决方案，通过协作、跨任务知识共享来增强种群多样性和收敛速度。此外，多任务框架和EA可以无缝部署在多个图形处理器（GPUs）上，利用其高并行性和聚合内存带宽。因此，我们引入了一种GPU加速的进化辅助多任务算法（GEAMT）用于快速SNP相互作用检测。GEAMT首先构建一个主任务以及若干低维辅助任务来重新定义原始任务。主任务探索整个搜索空间，而辅助任务搜索不同的子空间以增强局部优化能力。在每次迭代中，辅助任务通过信息传递机制将高质量信息转移至主任务。随后，采用基于特征重分组策略的辅助任务更新策略来切换辅助任务的搜索子空间。最终结果来自主任务的帕累托最优解。在多个GPU上实现后，GEAMT表现出显著的扩展性和效率。在合成数据集和真实世界数据集上的全面实验表明，GEAMT能够显著提高搜索精度并加速搜索过程。
Keyword:
SNP epistatic interaction
evolutionary algorithm
evolutionary multitasking
GPU computing
期刊
I
IF:
3.4
论文数:
3.3K
被引数:
6.4K
机构
引用论文
Discovering epistatic feature interactions from neural network models of regulatory DNA sequences
OAAI
OAAI分享收藏分享收藏Membrane computing for IoT task offloading: An efficient multi-objective constrained optimization framework物联网任务卸载的膜计算：一种高效的多目标约束优化框架
PREAI
分享收藏A Rare Missense Variant in TCF7L2 Associates with Colorectal Cancer Risk by Interacting with a GWAS-Identified Regulatory Variant in the MYC Enhancer.png)
CANCER RESEARCHOAAI
CANCER RESEARCHIF16.6
OAAI分享收藏
查看更多内容