[논문 리뷰] GateKeeper-GPU: Fast and Accurate Pre-Alignment Filtering in Short Read Mapping

Zülal Bingöl, Mohammed Alser외 3명|arXiv (Cornell University)|2021. 03. 27.

Genomics and Phylogenetic Studies참고 문헌 46인용 수 5

한 줄 요약

GateKeeper-GPU는 현대 GPU의 막대한 병렬 처리 능력을 활용해 GPGPU 가속을 통한 사전 정렬 필터링을 제공하는 것으로, 짧은 리드 매핑의 정확도와 속도를 향상시킨다. 이는 최대 2.9배까지 시퀀스 정렬 수를 줄이며, mrFAST에서 종단 간 매핑 속도를 1.4배로 향상시킨다. 다양한 시퀀스 길이에서 98% 이상의 필터링 효율을 유지를 한다.

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.

연구 동기 및 목표

• 짧은 리드 매핑에서 전통적으로 이차 시간 복잡도를 가지는 동적 프rogramming 알고리즘에 기반한 시퀀스 정렬의 계산 병목 현상을 해결하기 위해.
• 최신 기술 수준의 경량 사전 정렬 필터인 GateKeeper를 향상시키기 위해 정확도와 성능을 향상시키기 위해.
• 현대 GPU의 막대한 병렬 처리 능력을 활용해 정렬 이전에 후보 리드-레퍼런스 쌍의 필터링을 가속화하기 위해.
• 다양한 리드 매퍼와 호환 가능한 일반 목적의 고처리량 및 에너지 효율적인 사전 정렬 필터링 솔루션을 제공하기 위해.
• 미래의 리드 정렬 파이프라인을 위한 효율적인 하드웨어-소프트웨어 공동 설계를 가능하게 하기 위해, 게놈 워크로드에서 GPGPU 가속의 이점을 입증하기 위해.

제안 방법

• GateKeeper-GPU는 CUDA 프레임워크를 사용해 GPU 실행에 최적화된 GateKeeper 사전 정렬 필터의 수정 버전을 구현한다.
• 동적 프로그래밍 정렬 이전에 정해진 오류 임계값 내에서 시퀀스 유사도를 평가함으로써 빠르고 근사적인 후보 리드-레퍼런스 쌍의 필터링을 수행한다.
• 수천 개의 GPU 스레드를 동시에 활용해 다수의 시퀀스 쌍을 동시에 평가함으로써 처리량을 극대화하고 유휴 시간을 최소화한다.
• 호스트 인코딩 및 장치 인코딩 두 가지 인코딩 모드를 지원해 기존 리드 매퍼와의 통합 유연성을 확보한다.
• 메모리 액세스 패턴을 효율적으로 설계하여 모든 구성에서 L2 캐시 히트율 86.2% 및 SM 점유율 95% 이상을 달성한다.
• NVIDIA GTX 1080 Ti에서 실행 시간, 전력 소비, 하드웨어 활용도를 측정하기 위해 CUDA의 nvprof를 사용해 성능를 프로파일링한다.

실험 결과

연구 질문

• RQ1 GateKeeper의 GPU 최적화 구현이 짧은 리드 매핑에서 비용이 많이 드는 시퀀스 정렬 수를 상당히 줄일 수 있는가?
• RQ2 다양한 시퀀스 길이와 오류 임계값에서 FPGA 기반 GateKeeper와 비교해 GateKeeper-GPU의 필터링 정확도는 어떻게 되는가?
• RQ3 정확도를 떨어뜨리지 않고 GPU 병렬 처리가 사전 정렬 필터링 단계를 얼마나 가속화할 수 있는가?
• RQ4 사전 처리 오버헤드(예: 인코딩)가 GateKeeper-GPU의 전체 성능에 어떤 영향을 미치는가?
• RQ5 다양한 실행 모드와 시퀀스 길이에서 GateKeeper-GPU의 하드웨어 활용도와 에너지 효율성은 어떻게 비교되는가?

주요 결과

• GateKeeper-GPU는 동적 프로그래밍을 요구하는 후보 정렬 수를 줄임으로써 시퀀스 정렬 속도를 최대 2.9배로 향상시킨다.
• mrFAST 리드 매퍼의 종단 간 실행 시간에서 1.4배의 속도 향상을 달성하여 실제 워크로드에서의 성능 향상을 입증한다.
• 모든 테스트 시퀀스 길이에서 평균 98% 이상의 필터링 효율을 유지하며, 시퀀스 길이가 증가함에 따라 최소한의 성능 저하를 보인다.
• GPU 커널은 95% 이상의 SM 효율성을 확보하고 일관되게 높은 점유율을 유지하여 계산 자원을 효과적으로 활용하고 있음을 나타낸다.
• 메모리 사용량과 처리 부하가 증가함에 따라 전력 소비가 증가하지만, 인코딩 모드 간에서 안정적으로 유지된다.
• L2 캐시 히트율 평균 86.2%는 통합/텍스처 L1 캐시(31.2% 히트율)보다 뚜렷이 높아 성능 확보에 L2에 강한 의존도를 보이고 있음을 시사한다.