返回
Haplotype-Based Parallel PBWT for Biobank Scale Data
DOI:10.1007/978-3-032-02489-3_10.png)
摘要
En 中文
Durbin的基于位置Burrows-Wheeler变换(PBWT)使得在包含M个单倍型和N个变异位点的群体面板中报告所有单倍型间的匹配具有最优时间复杂度O(MN)。然而,当单倍型数量达到数百万时,即使这种效率仍可能过慢。为了进一步降低运行时间,本文介绍了一种用于所有单倍型间匹配的PBWT算法的并行版本,称为HP-PBWT(基于单倍型的并行PBWT)。HP-PBWT通过将单倍型面板分割为单倍型块来并行执行PBWT。HP-PBWT算法在保持内存效率的同时,实现了PBWT构建、报告所有单倍型间的L长匹配以及报告所有单倍型间的集合最大匹配的并行化。HP-PBWT在PBWT构建中的时间复杂度为O((M/T + T)N),在报告所有单倍型间的L长匹配和集合最大匹配中的时间复杂度为O((M/T + T + c*)N),其中T为线程数,c*为每个位点每个单倍型的最大匹配数(对于L长匹配为长度L的匹配数,对于集合最大匹配为最大分歧值)。在包含UK Biobank基因分型阵列数据的IO包含基准测试中,HP-PBWT使用30个线程实现了4倍加速。当将HP-PBWT应用于包含800万个随机单倍型(等长随机二进制字符串)的IO排除基准测试时,在Amazon EC2服务器上使用60个核心可达到22倍加速。通过进一步硬件优化,HP-PBWT有望高效处理数十亿个单倍型。
Keyword:
PBWT
Parallel Computing
Haplotype Matching
期刊
C
IF:
0
论文数:
23
被引数:
0
机构
引用论文
Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program来自NHLBI TOPMed程序的53,831个不同基因组的测序
Nature
IF0
HTSlib: C library for reading/writing high-throughput sequencing data用于读取/写入高通量测序数据的HTSlib: C库
GIGASCIENCE
IF3.9


