DNA sekanslarında genlerin CUDA ve OpenCL kullanılarak hızlı saptanması

Abstract

Metagenom, ortamdan elde edilen genomik veridir. Yüzlerce, hatta milyonlarca farklı tür içerebilir. Mevcut nesil sıralama cihazları bir kerede milyarlarca dizi üretebilir. MGC ve Orphelia gibi uygulamalar, başlangıçta, genetik dizilim aygıtları tarafından üretilen dizilerdeki genlerin tespiti için kullanılmıştır. Milyarlarca diziyi işlemek için donatılmamış bu tür uygulamalar, dizilim dosyası 20K dizisine kadar küçük bölümlere bölündüğünde gen tanımlaması için birkaç gün sürebilir. Bu çalışmada, metagenom gen saptamasının geliştirilmesinde Metagenom Gen Arayan (MGC) uygulamasının kullanımı kullanılmıştır. Temel fonksiyonlar, OpenCL ve CUDA platformları için veri dönüşümlerinin uygun şekilde kullanılmasıyla hazırlanmıştır. Ayrıca, bu çekirdek işlevler GPU'da çalıştırıldı ve sonuçlar buna göre tartışıldı. Veri yapısı basitleştirmesiyle tüm gen saptama yöntemi birkaç günden birkaç dakikaya indirilmiştir. Metagenome is the genomic data obtained from the environment. It may contain hundreds or even millions of different species. The current generation sequencing devices can produce billions of sequences at once. Applications such as MGC and Orphelia were initially used for the detection of the genes within those sequences that have been produced by the genetic sequencing devices are now insufficient. Such applications that are not equipped to process billions of sequences could take several days for the gene identification once the sequence file is divided into small divisions up to 20K sequence. In this work, the use of Metagenome Gene Caller (MGC) application for the development of metagenome gene detection has been used. The core functions have been prepared for the OpenCL and CUDA platforms through the appropriate utilization of the data transformations. Furthermore, these core functions were run through the GPU and the results are debated accordingly. The entire gene detection method has been reduced from several days to a few minutes through data structure simplification