[論文レビュー] GateKeeper-GPU: Fast and Accurate Pre-Alignment Filtering in Short Read Mapping

Zülal Bingöl, Mohammed Alser+3 more|arXiv (Cornell University)|Mar 27, 2021

Genomics and Phylogenetic Studies参考文献 46被引用数 5

ひとこと要約

GateKeeper-GPU は、現代の GPU における大規模並列処理を活用した GPGPU アクcelerated な事前整合フィルタであり、短鎖配列マッピングの精度と速度を向上させる。この手法により、動的計画法によるアラインメントに必要な回数を最大 2.9× 減少させ、mrFAST におけるエンドツーエンドのマッピング速度を 1.4× に加速しながら、配列長にかかわらず 98% を超えるフィルタリング効率を維持する。

ABSTRACT

At the last step of short read mapping, the candidate locations of the reads on the reference genome are verified to compute their differences from the corresponding reference segments using sequence alignment algorithms. Calculating the similarities and differences between two sequences is still computationally expensive since approximate string matching techniques traditionally inherit dynamic programming algorithms with quadratic time and space complexity. We introduce GateKeeper-GPU, a fast and accurate pre-alignment filter that efficiently reduces the need for expensive sequence alignment. GateKeeper-GPU provides two main contributions: first, improving the filtering accuracy of GateKeeper (a lightweight pre-alignment filter), and second, exploiting the massive parallelism provided by the large number of GPU threads of modern GPUs to examine numerous sequence pairs rapidly and concurrently. By reducing the work, GateKeeper-GPU provides an acceleration of 2.9x to sequence alignment and up to 1.4x speedup to the end-to-end execution time of a comprehensive read mapper (mrFAST). GateKeeper-GPU is available at https://github.com/BilkentCompGen/GateKeeper-GPU.

研究の動機と目的

• 短鎖配列マッピングにおける従来の 2 次時間計算量の動的計画法に依存する計算ボトルネックを解消すること。
• 最先端の軽量事前フィルタである GateKeeper をさらに向上させ、フィルタリング精度とパフォーマンスを強化すること。
• 現代の GPU が提供する大規模並列処理を活用し、アラインメントの前段階で候補となるリード-リファレンスペアのフィルタリングを高速化すること。
• 多様なリードマッパーと互換性がある汎用的で高スルーレートかつエネルギー効率の良い事前フィルタリングソリューションを提供すること。
• 将来のアラインメントパイプラインにおける効率的なハードウェア・ソフトウェア共同設計を可能にするために、ゲノムワークロードにおける GPGPU アクceleration の利点を示すこと。

提案手法

• GateKeeper-GPU は、CUDA フレームワークを用いて GPU 実行に最適化された GateKeeper 事前フィルタの変更版を実装している。
• 動的計画法によるアラインメントの前段階で、事前に定義された誤差閾値内でのシーケンス類似度を評価することで、高速かつ近似的な候補ペアのフィルタリングを実行する。
• 数千の GPU スレッドを同時に使用して複数のシーケンスペアを並列に評価することで、スルーレートを最大化し、無駄な待機時間を最小限に抑える。
• ホストエンコーディングおよびデバイスエンコーディングの 2 種類のエンコーディングモードをサポートし、既存のリードマッパーとの統合に柔軟性を提供する。
• 効率的なメモリアクセスパターンを重視しており、全設定で L2 キャッシュヒット率が 86.2%、SM 占有率が 95% を超える。
• NVIDIA GTX 1080 Ti で実行時の実行時間、電力消費量、ハードウェア利用率を測定するため、CUDA の nvprof を用いてパフォーマンスをプロファイルしている。

実験結果

リサーチクエスチョン

• RQ1 GateKeeper の GPU 最適化実装は、短鎖配列マッピングにおける高コストなアラインメントの回数を顕著に削減できるか？
• RQ2 さまざまな配列長および誤差閾値において、FPGA ベースのオリジナル GateKeeper と比較して GateKeeper-GPU のフィルタリング精度はどの程度か？
• RQ3 精度を損なわずに、GPU 並列処理が事前フィルタリングステップをどの程度高速化できるか？
• RQ4 事前処理のオーバーヘッド（例：エンコーディング）が、GateKeeper-GPU の全体的なパフォーマンスに与える影響は何か？
• RQ5 異なる実行モードおよび配列長において、GateKeeper-GPU のハードウェア利用率とエネルギー効率はどのように比較されるか？

主な発見

• GateKeeper-GPU は、動的計画法に必要な候補アラインメントの数を削減することで、アラインメント処理を最大 2.9× に高速化する。
• mrFAST リードマッパーにおけるエンドツーエンドの実行時間に 1.4× の高速化を達成し、実世界のパフォーマンス向上を実証した。
• 全テスト対象の配列長で平均して 98% を超えるフィルタリング効率を維持しており、配列長が延びても最小限の低下に抑えられている。
• GPU カーネルは 95% を超える SM 効率を達成し、一貫して高い占有率を維持しており、計算リソースの効果的利用が示された。
• メモリ使用量と処理負荷の増加に伴い、配列長が長くなると電力消費量が増加するが、エンコーディングモードにかかわらず安定している。
• L2 キャッシュヒット率は平均 86.2% であり、統合型／テクスチャ L1 キャッシュ（31.2% ヒット率）を大きく上回っており、性能向上に L2 キャッシュに強く依存していることが示された。