[논문 리뷰] Fine-grained parallelization of similarity search between protein sequences

Van Hoa Nguyen, Dominique Lavenier|ArXiv.org|2008. 04. 23.

Genomics and Phylogenetic Studies참고 문헌 15인용 수 4

한 줄 요약

이 논문은 다중코어 CPU와 GPU를 위한 고도로 최적화된 미세한 병렬 처리 구현인 PLAST-P, TPLAST-N, PLAST-X를 제시한다. 이 도구들은 단백질 및 염기서열 유사성 검색 알고리즘을 대상으로 하며, SIMD 명령어, GPU 가속, 그리고 부분집합 시드를 활용한 효율적 인덱싱을 통해 NCBI BLAST 대비 5배에서 10배의 성능 향상을 이룩했고, 민감도와 출력 형식은 그대로 유지한다.

ABSTRACT

This report presents the implementation of a protein sequence comparison algorithm specifically designed for speeding up time consuming part on parallel hardware such as SSE instructions, multicore architectures or graphic boards. Three programs have been developed: PLAST-P, TPLAST-N and PLAST-X. They provide equivalent results compared to the NCBI BLAST family programs (BLAST-P, TBLAST-N and BLAST-X) with a speed-up factor ranging from 5 to 10.

연구 동기 및 목표

• 데이터 증가에 따라 기하급수적으로 증가하는 대규모 게놈 데이터베이스 검색의 계산 부담을 해결하기 위해.
• 집중적인 서열 비교 워크로드에서 순차적 BLAST 실행 구현의 성능 저하 문제를 해결하기 위해.
• 민감도와 출력 형식 호환성을 유지하면서 실행 시간을 크게 단축하는 BLAST의 병렬 대체 구현을 개발하기 위해.
• 최신 병렬 하드웨어인 다중코어 CPU와 GPU를 활용하여 단백질 및 염기서열 데이터베이스 간의 효율적인 유사성 검색을 가능하게 하기 위해.
• 부분집합 시드 인덱싱과 미세한 병렬 처리 전략을 통해 메모리 접근 및 알고리즘 단계를 최적화하기 위해.

제안 방법

• BLAST를 영감으로 삼은 다섯 단계 파이프라인 설계: 인덱싱, 히트 탐지, 언갭 확장, 갭 확장, 추적 복원.
• CPU에서 16비트 및 8비트 정수 연산을 위한 SIMD 명령어(SSE)를 활용한 미세한 병렬 처리 구현.
• 특히 언갭 및 소규모 갭 확장 단계를 CUDA를 사용해 GPU로 이식하여 대규모 병렬 처리를 구현.
• 스레드 수준 및 데이터 수준 병렬 처리를 결합하기 위해 다중코어 및 GPU 하이브리드 실행 모델 통합.
• 히트 탐지 중 메모리 접근을 최적화하고 초기 필터링 단계에서 거짓 양성 결과를 줄이기 위해 부분집합 시드 사용.
• 생성된 출력 형식을 BLAST의 -m 8 형식과 완전히 호환되도록 유지하여 생물정보학 워크플로우에 원활하게 통합 가능하도록 설계.

실험 결과

연구 질문

• RQ1 SIMD 및 GPU 아키텍처를 활용한 미세한 병렬 처리가 민감도를 희생시키지 않고 단백질 및 염기서열 유사성 검색을 상당히 가속화할 수 있는가?
• RQ2 PLAST-P, TPLAST-N, 및 PLAST-X의 성능은 다양한 입력 크기와 하드웨어 구성에서 NCBI BLAST의 대응 버전과 비교해 어떻게 되는가?
• RQ3 부분집합 시드와 최적화된 인덱싱을 사용할 경우 대규모 서열 비교에서 메모리 접근과 필터 효율성이 얼마나 향상되는가?
• RQ4 최적화된 PLAST 파이프라인은 BLAST 대비 민감도 상실 정도가 얼마나 되는가, 특히 생물학적으로 의미 있는 서열 정렬을 탐지하는 데서?
• RQ5 하이브리드 실행 모델에서 다중코어와 GPU 가속을 결합했을 때 도달할 수 있는 최대 성능 향상은 어느 정도인가?

주요 결과

• 멀티 GPU 구성에서 10,000개 서열 데이터셋을 사용할 때 PLAST-X는 다중코어 BLAST-X 대비 5.5배에서 6배의 성능 향상을 기록했다.
• 10,000개 서열 데이터셋에서 GPU 가속된 PLAST-X는 언갭 정렬 시간을 최적화 없이 1.99초에서 GPU 사용 시 0.31초로 단축시켰다.
• PLAST-X의 민감도는 BLAST-X와 매우 유사했으며, 10,000개 서열에서 10% 임계값에서 98.5%의 정렬을 복원했다.
• 모든 구현에서 단계 2(언갭 확장)의 선택도는 유지되었으며, 최적화 수준에 따라 0.132%에서 0.168%의 성공률를 기록했다.
• 다중코어 + GPU 하이브리드 버전의 PLAST-X는 10,000개 서열 데이터셋에서 총 실행 시간을 BLAST-X의 7,550초에서 1,531초로 단축시켰다.
• PLAST-X의 SIMD 최적화 8비트 버전은 비최적화 버전 대비 10,000개 서열에서 언갭 정렬 성능을 12.05배 향상시켰다.