[发明专利]一种GPU加速的DNA序列压缩方法及系统

说明书

本发明适用于基因技术领域，提供了一种GPU加速的DNA序列压缩方法，包括：中央处理器采用模板链算法对元数据进行简化，将简化后的元数据发送给图形处理器；图形处理器利用稀疏索引算法将DNA碱基序列与参考基因组进行匹配，得到匹配结果；所述图形处理器采用Burrows–Wheeler变换算法、Move‑to‑front变换算法和区间编码器对所述匹配结果、所述简化后的元数据和质量分数进行压缩，得到压缩后的DNA序列。本发明实施例将中央处理器CPU和图形处理器GPU结合异步运行，实现了在图形处理器GPU在进行DNA序列的压缩，同时利用图形处理器GPU中的计算单元可以加快DNA序列的压缩速度。

技术领域

本发明属于基因技术领域，尤其涉及一种使用图形处理器GPU加速的基于参考基因组的DNA序列压缩方法及系统。

背景技术

当前，相关工作人员针对DNA序列压缩工具进行了一定的研究，也得到了一定的结果。现有的常用的基于参考基因组的压缩工具：LW-FQZip2、Quip(-r)、DeeZ和CRAM。其中：

LW-FQZip2，是一个基于参考基因组的DNA序列压缩工具，对参考基因组建立稀疏索引，将碱基序列定位至对应的稀疏索引位置上，在参考基因组上匹配，同时考虑插入、删除与错配。使用线程把整体占据时间长的程序分成若干个任务放到后台去处理，实现应用于压缩存储的轻量级DNA序列匹配的并行化，有效提高压缩FASTQ格式的DNA数据的效率，并使得程序的运行速度大大加快，匹配速度也相应加快，减少在时间上的消耗，并增强了该方法的可用性。使用游程编码、PPM预测模型和算术编码将匹配后的结果、元数据和质量分数进行压缩。

Quip(-r)、DeeZ和CRAM这三个压缩工具都是基于BWA工具的匹配结果(SAM/BAM)为输入进行压缩。BWA工具，同时考虑插入、删除与错配，并采用了Burrows–Wheeler变换(BWT，Burrows–Wheeler_transform)算法，对参考基因组进行了一次有规律的重新排序，目的是为了方便后续进行查找。BWA输出为SAM文件，利用SAMTOOLS工具将SAM文件转为BAM文件。

Quip(-r)是一个无损的、基于参考基因组的压缩工具。压缩算法是基于统计的算术编码分别压缩元数据、DNA碱基序列和质量分数。DeeZ是通过局部装配基于参考基因组的压缩工具，有着不错的压缩比并且提供随机存取功能，DeeZ使用了独特的压缩方法：使用了增量编码和2阶算术编码。CRAM无损的基于参考基因的压缩工具，CRAM将DNA序列比对到参考基因上，然后将这个DNA序列与参考基因组不同的地方进行编码，使用了霍夫曼编码、Golomb编码和二进制编码。

虽然现有技术提供多种基于参考基因组的压缩方法，但是都是针对中央处理器CPU进行开发，图形处理器GPU平台上无法实现对DNA序列的压缩。

发明内容

本发明所要解决的技术问题在于提供一种GPU加速的DNA序列压缩方法及系统，旨在解决现有技术在图形处理器GPU平台上无法实现对DNA序列的压缩的问题。

本发明是这样实现的，一种GPU加速的DNA序列压缩方法，包括：

中央处理器采用模板链算法对元数据进行简化，将简化后的元数据发送给图形处理器；

图形处理器利用稀疏索引算法将DNA碱基序列与参考基因组进行匹配，得到匹配结果；

所述图形处理器采用Burrows–Wheeler变换算法、Move-to-front变换算法和区间编码器对所述匹配结果、所述简化后的元数据和质量分数进行压缩，得到压缩后的DNA序列。

进一步地，所述中央处理器采用模板链算法对元数据进行简化包括：

所述中央处理器选取若干条元数据，根据预置的分隔符将每一条元数据切分成若干模块；