Optimizing UniFrac with OpenACC Yields Greater Than One Thousand Times Speed Increase.
Optimizing UniFrac with OpenACC Yields Greater Than One Thousand Times Speed Increase.
复制标题
DOI：
10.1128/msystems.00028-22
复制
发表时间：
2022-06-28
期刊：
影响因子：
6.4
通讯作者：
中科院分区：
文献类型：
--
作者：
UniFrac是微生物组研究中的一个重要工具，用于系统发育比较微生物组谱（β多样性）。条纹UniFrac最近增加了将问题分解为许多独立子问题的能力，表现出近乎线性的扩展，但受到内存争用的影响。在这里，我们将UniFrac应用于使用OpenACC的图形处理单元，实现了超过1000倍的计算改进，并将其应用于307,237个样本，这是迄今为止分析过的最大的16S rRNA V4统一预处理微生物组数据集。UniFrac是微生物组研究中的一个重要工具，用于微生物组的系统发育比较。在这里，我们使UniFrac在图形处理单元上运行，从而实现了1000倍的计算改进。为了突出这一进展，我们进行了可能是迄今为止最大的微生物组分析，将UniFrac应用于307,237个经过Deblur预处理的16S rRNA V4微生物组样本。这些扩展改进使UniFrac成为通用数据集的实时工具，并随着收集到的微生物组数据越来越多，解开了新的研究问题。
UniFrac is an important tool in microbiome research that is used for phylogenetically comparing microbiome profiles to one another (beta diversity). Striped UniFrac recently added the ability to split the problem into many independent subproblems, exhibiting nearly linear scaling but suffering from memory contention. Here, we adapt UniFrac to graphics processing units using OpenACC, enabling greater than 1,000× computational improvement, and apply it to 307,237 samples, the largest 16S rRNA V4 uniformly preprocessed microbiome data set analyzed to date. IMPORTANCE UniFrac is an important tool in microbiome research that is used for phylogenetically comparing microbiome profiles to one another. Here, we adapt UniFrac to operate on graphics processing units, enabling a 1,000× computational improvement. To highlight this advance, we perform what may be the largest microbiome analysis to date, applying UniFrac to 307,237 16S rRNA V4 microbiome samples preprocessed with Deblur. These scaling improvements turn UniFrac into a real-time tool for common data sets and unlock new research questions as more microbiome data are collected.
登录
查看更多内容
使用通用的unifrac距离将微生物组组成与环境协变量相关联。
DOI：
10.1093/bioinformatics/bts342
发表时间：
2012-08-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Chen J;Bittinger K;Charlson ES;Hoffmann C;Lewis J;Wu GD;Collman RG;Bushman FD;Li H
通讯作者：
Li H
微生物组101：研究，分析和解释临床医生的肠道微生物组数据。
DOI：
10.1016/j.cgh.2018.09.017
发表时间：
2019-01
期刊：
Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
影响因子：
--
作者：
Allaband C;McDonald D;Vázquez-Baeza Y;Minich JJ;Tripathi A;Brenner DA;Loomba R;Smarr L;Sandborn WJ;Schnabl B;Dorrestein P;Zarrinpar A;Knight R
通讯作者：
Knight R
影响因子：
6.4
作者：
Morton JT;Toran L;Edlund A;Metcalf JL;Lauber C;Knight R
通讯作者：
Knight R
影响因子：
6.4
作者：
McDonald D;Hyde E;Debelius JW;Morton JT;Gonzalez A;Ackermann G;Aksenov AA;Behsaz B;Brennan C;Chen Y;DeRight Goldasich L;Dorrestein PC;Dunn RR;Fahimipour AK;Gaffney J;Gilbert JA;Gogul G;Green JL;Hugenholtz P;Humphrey G;Huttenhower C;Jackson MA;Janssen S;Jeste DV;Jiang L;Kelley ST;Knights D;Kosciolek T;Ladau J;Leach J;Marotz C;Meleshko D;Melnik AV;Metcalf JL;Mohimani H;Montassier E;Navas-Molina J;Nguyen TT;Peddada S;Pevzner P;Pollard KS;Rahnavard G;Robbins-Pianka A;Sangwan N;Shorenstein J;Smarr L;Song SJ;Spector T;Swafford AD;Thackray VG;Thompson LR;Tripathi A;Vázquez-Baeza Y;Vrbanac A;Wischmeyer P;Wolfe E;Zhu Q;American Gut Consortium;Knight R
通讯作者：
Knight R
影响因子：
48
作者：
Gonzalez A;Navas-Molina JA;Kosciolek T;McDonald D;Vázquez-Baeza Y;Ackermann G;DeReus J;Janssen S;Swafford AD;Orchanian SB;Sanders JG;Shorenstein J;Holste H;Petrus S;Robbins-Pianka A;Brislawn CJ;Wang M;Rideout JR;Bolyen E;Dillon M;Caporaso JG;Dorrestein PC;Knight R
通讯作者：
Knight R