[发明专利]一种基于GPU并行计算的复杂疾病基因互作关联分析方法

说明书

本发明提供一种基于GPU并行计算的复杂疾病基因互作关联分析方法，包括如下步骤：步骤一、基于背景控制的主效+上位性检测算法研究，采用两阶段策略：第一阶段，在所有主效和上位性效应中，剔除无关变量，保留较少的变量；第二阶段，将通过第一阶段筛选的变量放入模型中进行最终确定变量选择方法；步骤二、建立基于GPU并行计算的加速算法，得到MRMLM‑GPU新方法；步骤三、MRMLM‑GPU新方法的性能分析。本发明是在MRMLM算法上进行背景控制的上位性拓展以及GPU加速改进，MRMLM算法上位性初筛阶段，SNP以及SNP对之间相互独立，PyCUDA提供了更为简单的编程方式实现GPU的并行。本发明为预测人类疾病的互作基因提供了可行的新方法。

技术领域

本发明涉及医学统计学技术领域，具体涉及一种基于GPU并行计算的复杂疾病基因互作关联分析方法。

背景技术

全基因组关联分析(genome-wide association study,GWAS)成功的揭示了数以万计的单核苷酸多态性(single-nucleotide polymorphisms,SNPs)与复杂疾病性状的关联。当前，高通量技术能够测定每个个体高达约500万个SNP，通过从参考数据中插补未测定的SNP可将其增加一倍以上。全基因组一次检测一个SNP的分析方法着重关注单个位点的边际效应，然而，对于大多数常见疾病，几乎所有的关联SNP都具有较小的效应，并且共同解释了表型可遗传变异很少的一部分。这种现象常常造成“缺失遗传率(missingheritability)”的难题。虽然很多因素如遗传变异、结构变异、表观遗传学、基因-环境相互作用可能导致缺失遗传率，但是由于生物系统的复杂性，基因-基因相互作用(上位性)被认为是多因子疾病遗传学的重要组成部分。因此，复杂疾病基因互作的研究具有重要的意义。

在人类GWAS中，单核苷酸多态性(SNP)的数量大约为10⁶-10⁷数量级，因此，需要检测的SNP-SNP对的数量可以达到10¹²-10¹⁴的数量级，并且在一些大的研究队列中收集的个体有数十万人。用于数据分析的软件和计算策略需要重新设计以适应如此大量的信息。面对海量数据的挑战，一种可行的方式是通过并行算法设计提高运算速度。目前的图形处理单元(graphics processing units,GPUs)被设计为大规模并行处理器，其提供比中央处理器(central processing units,CPUs)更强的计算能力。GPU是一个强大的计算硬件而且价格可以接受，在笔记本电脑和台式电脑中使用具有计算能力的通用GPU得到广泛推广。因此，利用GPU强大的并行特性，进行基因-基因互作海量数据的分析，对提高运算效率具有实际意义。

由于需要进行大量的SNP对测试运算，基因-基因互作的计算非常耗时，给统计学算法和计算方法提出了新的挑战。例如，即使是由中等大小的数据集500000个SNPs组成，那么大约1250亿的两两相互作用要执行测试。对于中等大小的数据集，所有成对SNP组合的这种广泛分析可能需要几个小时或几天。大规模数据集甚至在标准计算平台上需要数周或数月时间。由于GWAS数据集的可用性和规模都在迅速增加，因此寻找更快的解决方案对于研究来说非常重要。

为了减轻计算负担，一种处理策略是使用两阶段方法进行SNP-SNP交互扫描。其中，首先筛选出具有显着主效应的SNP子集，然后在候选子集上分析SNP-SNP相互作用。然而，这样就忽视了具有不显著的主效而SNP-SNP交互显著的情况。另一种策略是利用CPU或者GPU多核特性及其集群，大大加快所有SNP-SNP互作搜索的速度。