[論文レビュー] GRIM-filter: fast seed filtering in read mapping using emerging memory technologies

Jeremie S. Kim, Damla Senol+8 more|arXiv (Cornell University)|Aug 14, 2017

Genomics and Phylogenetic Studies参考文献 27被引用数 17

ひとこと要約

GRIM-Filter は、3Dスタックドメモリの処理インメモリ（PIM）機能を活用して、DNAリードマッピングを高速化する新規なシードフィルタリングアルゴリズムである。粗粒度のゲノムセグメント表現と、メモリ内での大規模並列ビットベクタ演算を用いることで、誤って否定されるケース（ファルスネガティブ）を 5.59x–6.41x 減少させ、5%の誤差許容範囲において、mrFAST に FastHASH を組み合わせた最先端のマッパーと比較して、エンド・ツー・エンドで 1.81x–3.65x の高速化を達成した。

ABSTRACT

Motivation: Seed filtering is critical in DNA read mapping, a process where billions of DNA fragments (reads) sampled from a donor are mapped onto a reference genome to identify genomic variants of the donor. Read mappers 1) quickly generate possible mapping locations (i.e., seeds) for each read, 2) extract reference sequences at each of the mapping locations, and then 3) check similarity between each read and its associated reference sequences with a computationally expensive dynamic programming algorithm (alignment) to determine the origin of the read. Location filters come into play before alignment, discarding seed locations that alignment would have deemed a poor match. The ideal location filter would discard all poor matching locations prior to alignment such that there is no wasted computation on poor alignments. Results: We propose a novel filtering algorithm, GRIM-Filter, optimized to exploit emerging 3D-stacked memory systems that integrate computation within a stacked logic layer, enabling processing-in-memory (PIM). GRIM-Filter quickly filters locations by 1) introducing a new representation of coarse-grained segments of the reference genome and 2) using massively-parallel in-memory operations to identify read presence within each coarse-grained segment. Our evaluations show that for 5% error acceptance rates, GRIM-Filter eliminates 5.59x-6.41x more false negatives and exhibits end-to-end speedups of 1.81x-3.65x compared to mappers employing the best previous filtering algorithm.

研究の動機と目的

• シードフィルタの採用に伴い、アラインメントからフィルタリングへと移行したリードマッピングにおけるメモリ帯域幅のボトルネックを解消すること。
• 登場した 3Dスタックド DRAM の技術的特徴である高い内部帯域幅とメモリ内計算を効果的に活用できるフィルタリングアルゴリズムの設計。
• 高価なダイナミックプログラミング処理に進む前に、非効率なマッピング候補を迅速に除外することで、アラインメント計算の無駄を最小限に抑えること。
• 特にハッシュテーブルベースのマッパーと互換性がある、汎用的かつ高性能なフィルタの開発。
• 新規メモリアーキテクチャに特化したアルゴリズム的イノベーションが、バイオインフォマティクスワークロードの大幅な高速化を実現できることを示すこと。

提案手法

• GRIM-Filter は、参照ゲノムを粗粒度のセグメントに分割し、それぞれに小さなリードセグメントの存在を示す事前に計算されたビットベクタを関連付ける。
• 3Dスタックド DRAM 上で大規模並列のメモリ内演算を実行し、リードの各セグメントがそれぞれのゲノムセグメントに含まれるかを数える。
• そのカウントが閾値未満の場合、対応するマッピング位置は不適切なマッチとみなされ、以降のアラインメント処理が回避される。
• 処理インメモリ（PIM）ワークロードに最適化されており、データ移動を最小限に抑え、3Dスタックドメモリの高い内部帯域幅を活用している。
• ビットベクタ表現により、メモリレイヤー内で直接効率的な並列比較演算が可能となり、計算遅延が低減される。
• 本手法は既存のフィルターやアラインヤーと直交しており、他の最適化と組み合わせることでさらなるパフォーマンス向上が可能である。

実験結果

リサーチクエスチョン

• RQ1 3Dスタックド DRAM の高い帯域幅とメモリ内計算能力を最大限に活用できるシードフィルタリングアルゴリズムを設計できるか？
• RQ2 このようなアルゴリズムは、従来のフィルタと比較して、高いフィルタリング速度を維持しつつ、どれほど誤って否定されるケースを削減できるか？
• RQ3 従来のフィルタリングを PIM 最適化アルゴリズムに置き換えることで、エンド・ツー・エンドのリードマッピングでどの程度のパフォーマンス向上が達成できるか？
• RQ4 提案されたフィルタリング手法は、さまざまなリードマッパーおよびデータセットに普遍的に適用可能か？
• RQ5 アルゴリズムとハードウェアの共同最適化により、シードフィルタリングにおけるメモリ帯域幅ボトルネックを効果的に克服できるか？

主な発見

• 5%の誤差許容範囲において、FastHASH と比較して、GRIM-Filter は誤って否定されるケースの発生率を 5.59x–6.41x 減少させ、感度が著しく向上した。
• 複数のベンチマークで、従来で最も高速であった mrFAST に FastHASH を組み合わせた手法と比較し、エンド・ツー・エンドで 1.81x–3.65x の高速化を達成した。
• 誤って否定されるマッピング候補における計算時間は、平均で 83.7% 減少させ、無駄なアラインメント処理を最小限に抑えた。
• 誤差許容範囲が高くなるほどフィルタリング効率が向上するため、パフォーマンス向上も増幅し、特に 5% の許容範囲で最大の向上が得られた。
• GRIM-Filter は任意のリードマッパーと互換性があり、他のハードウェア最適化コンponentと組み合わせてさらなる高速化が可能である。
• 本研究では、3Dスタックド DRAM などの新規メモリ技術に特化したアルゴリズム設計が、バイオインフォマティクス分野におけるメモリ帯域幅ボトルネックを克服できることを示した。