GPUmotif: an ultra-fast and energy-efficient motif analysis program using graphics processing units.
GPUmotif: an ultra-fast and energy-efficient motif analysis program using graphics processing units.
复制标题
DOI：
10.1371/journal.pone.0036865
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Qin Z
中科院分区：
文献类型：
--
作者：
Zandevakili P;Hu M;Qin Z
TF结合模式的计算机检测已成为功能基因组学研究中不可或缺的工具。随着新测序技术的快速发展，产生了大量的蛋白质-DNA相互作用数据。分析这些数据可以为转录调控机制提供实质性的见解。然而，大量的序列数据提出了艰巨的挑战。在我们以前的工作中，我们开发了一种新的算法，称为混合基序采样器（HMS），使更多的可扩展性和准确的基序分析。尽管有很大的改进，但由于需要逐个位置地计算匹配概率，HMS仍然很耗时。使用NVIDIA CUDA工具包，我们开发了一个图形处理单元（GPU）加速的主题分析程序命名为GPUmotif。我们提出了一种“碎片”技术来隐藏存储器之间的数据传输时间。性能比较研究表明，在NVIDIA显卡上运行GPU motif时，常用的基于模型的motif扫描和从头motif查找程序（如HMS）可以显著加速。因此，使用GPUmotif运行motif分析时，也可以大大降低能耗。GPUmotif程序可在http://sourceforge.net/projects/gpumotif/上免费获得
Computational detection of TF binding patterns has become an indispensable tool in functional genomics research. With the rapid advance of new sequencing technologies, large amounts of protein-DNA interaction data have been produced. Analyzing this data can provide substantial insight into the mechanisms of transcriptional regulation. However, the massive amount of sequence data presents daunting challenges. In our previous work, we have developed a novel algorithm called Hybrid Motif Sampler (HMS) that enables more scalable and accurate motif analysis. Despite much improvement, HMS is still time-consuming due to the requirement to calculate matching probabilities position-by-position. Using the NVIDIA CUDA toolkit, we developed a graphics processing unit (GPU)-accelerated motif analysis program named GPUmotif. We proposed a “fragmentation" technique to hide data transfer time between memories. Performance comparison studies showed that commonly-used model-based motif scan and de novo motif finding procedures such as HMS can be dramatically accelerated when running GPUmotif on NVIDIA graphics cards. As a result, energy consumption can also be greatly reduced when running motif analysis using GPUmotif. The GPUmotif program is freely available at http://sourceforge.net/projects/gpumotif/
登录
查看更多内容
影响因子：
46.9
作者：
Tompa, M;Li, N;Zhu, Z
通讯作者：
Zhu, Z
DOI：
10.1073/pnas.180265397
发表时间：
2000-08-29
影响因子：
11.1
作者：
Bussemaker, HJ;Li, H;Siggia, ED
通讯作者：
Siggia, ED
影响因子：
1.8
作者：
Chikkagoudar, Satish;Wang, Kai;Li, Mingyao
通讯作者：
Li, Mingyao
DOI：
10.1038/ejhg.2010.196
发表时间：
2011-04-01
期刊：
European journal of human genetics : EJHG
影响因子：
--
作者：
Kam-Thong, Tony;Czamara, Darina;Muller-Myhsok, Bertram
通讯作者：
Muller-Myhsok, Bertram
影响因子：
14.9
作者：
Hu M;Yu J;Taylor JM;Chinnaiyan AM;Qin ZS
通讯作者：
Qin ZS