[論文レビュー] FPGA Acceleration of Short Read Alignment

Nathaniel McVicar, Akina Hoshino+4 more|arXiv (Cornell University)|Apr 30, 2018

Genomics and Phylogenetic Studies参考文献 17被引用数 5

ひとこと要約

本論文は、高パフォーマンスなゲノム解析のためのハードウェアアクセラレーションを活用した柔軟なFPGAベースのショートリードアラインヤーを提示する。FPGAの並列処理とホストソフトウェアの柔軟性を組み合わせることで、BWA-SWと比較して5.6倍の高速化を達成し、21%のエネルギー消費削減と誤分類の29%削減を実現。異なるゲノムサイズや進化するアラインメントアルゴリズムに対してもパフォーマンスに損なわれることなく対応可能である。

ABSTRACT

Aligning millions of short DNA or RNA reads, of 75 to 250 base pairs each, to a reference genome is a significant computation problem in bioinformatics. We present a flexible and fast FPGA-based short read alignment tool. Our aligner makes use of the processing power of FPGAs in conjunction with the greater host memory bandwidth and flexibility of software to improve performance and achieve a high level of configurability. This flexible design supports a variety of reference genome sizes without the performance degradation suffered by other software and FPGA-based aligners. It is also better able to support the features of new alignment algorithms, which frequently crop up in the rapidly evolving field of bioinformatics. We demonstrate these advantages in a case study where we align RNA-Seq data from a hypothesized mouse / human xenograft. In this case study, our aligner provides a speedup of 5.6x over BWA-SW with energy savings of 21%, while also reducing incorrect short read classification by 29%. To demonstrate the flexibility of our system we show that the speedup can be substantially improved while retaining most of the accuracy gains over BWA-SW. The speedup can be increased to 71.3x, while still enjoying a 28% incorrect classification improvement and 52% improvement in unaligned reads.

研究の動機と目的

• ゲノム解析における数百万本のショートDNA/RNAリードをリファレンスゲノムにアラインメントする際の計算ボトルネックを解消すること。
• 異なるゲノムサイズを処理する際、既存のFPGAおよびソフトウェアアラインヤーで見られるパフォーマンス劣化を克服すること。
• 高設定可能なハードウェア・ソフトウェア共同設計により、新たなアラインメントアルゴリズムのサポートを可能とすること。
• ショートリードアラインメントワークロードにおいて、高いパフォーマンスとエネルギー効率を実現すること。
• 例えばキノイドグラフト検出などの実世界のRNA-Seqデータ解析における実用的利点を示すこと。

提案手法

• アラインヤーはFPGAを活用してコアのアラインメント計算をアクセラレートし、ショートリード処理のための細粒度並列処理を活用する。
• メモリアクセスとデータフローの管理をホストソフトウェアシステムと統合し、ホストのより大きなメモリ帯域幅を活用する。
• 異なるリファレンスゲノムサイズやアラインメントアルゴリズムのバリエーションに対応するための設定可能なパラメータをサポートする。
• FPGAがシードマッチングとアラインメントスコアリングを処理する一方で、ホストが前処理と後処理を管理するハイブリッドアーキテクチャを採用する。
• スループットを最大化し、遅延を最小限に抑えるために、パイプライン化されたストリーミングデータフローを採用する。
• 設定可能な感度と速度のトレードオフを備えたシングルエンドおよびペアエンドリードアラインメントをサポートする。

実験結果

リサーチクエスチョン

• RQ1 FPGAアクセラレーションは、高い正確性を維持したままショートリードアラインメントにおける顕著なパフォーマンス向上を達成できるか？
• RQ2 本提案アーキテクチャは、既存のソリューションと比較して、さまざまなリファレンスゲノムサイズにおいてどのようにスケーリングするか？
• RQ3 本システムは、パフォーマンス劣化を伴わずに進化するアラインメントアルゴリズムをどの程度サポートできるか？
• RQ4 実世界のRNA-Seqデータにおいて、スループット、エネルギー効率、アラインメント正確性のトレードオフはどのようなものか？
• RQ5 設定可能性を活用することで、極めて高速化を達成しつつも、高い正確性を維持できるか？

主な発見

• マウス/ヒトキノイドグラフトRNA-Seqデータセットにおいて、BWA-SWと比較して5.6倍の高速化を達成し、エネルギー消費は21%低減した。
• BWA-SWと比較して誤分類の数を29%削減し、アラインメントの正確性が向上した。
• 異なるゲノムサイズにおいても高いパフォーマンスを維持し、他のFPGAおよびソフトウェアアラインヤーで見られるパフォーマンス劣化を回避した。
• 設定を最適化することで、スループットを71.3倍にまで向上させつつ、誤分類数を28%削減できた。
• ピークパフォーマンス時、未アラインメントリードの検出を52%向上させ、感度の向上を示した。
• 柔軟な設計により、FPGA論理回路の再アーキテクチャリングなしに新たなアラインメントアルゴリズムへの即時対応が可能となった。