[论文解读] FPGA Acceleration of Sequence Alignment: A Survey

Sahand Salamat, Tajana Rosing|arXiv (Cornell University)|Feb 5, 2020

Genomics and Phylogenetic Studies参考文献 85被引用 15

一句话总结

本综述回顾了基于FPGA的DNA序列比对加速器，重点关注三种主要算法——Smith-Waterman、BLAST类哈希表方法以及带FM索引的Burrows-Wheeler变换（BWT）。它评估了这些算法在性能、内存使用和并行化潜力方面的表现，突出FPGA在加速计算密集型基因组学工作负载方面在能效和吞吐量方面的优势。

ABSTRACT

Genomics is changing our understanding of humans, evolution, diseases, and medicines to name but a few. As sequencing technology is developed collecting DNA sequences takes less time thereby generating more genetic data every day. Today the rate of generating genetic data is outpacing the rate of computation power growth. Current sequencing machines can sequence 50 humans genome per day; however, aligning the read sequences against a reference genome and assembling the genome will take 1300 CPU hours. The main step in constructing the genome is aligning the reads against a reference genome. Numerous accelerators have been proposed to accelerate the DNA alignment process. Providing massive parallelism, FPGA-based accelerators have shown great performance in accelerating DNA alignment algorithms. Additionally, FPGA-based accelerators provide better energy efficiency than general-purpose processors. In this survey, we introduce three main DNA alignment algorithms and FPGA-based implementation of these algorithms to accelerate the DNA alignment. We also, compare these three alignment categories and show how accelerators are developing during the time.

研究动机与目标

• 分析基于FPGA的DNA序列比对算法加速技术的最新进展。
• 比较三类主要DNA比对算法家族（Smith-Waterman、基于哈希表的（如BLAST）、以及带FM索引的BWT）在性能、能效和架构权衡方面的表现。
• 评估FPGA可重构性如何优化生物信息学中常见的不规则、数据并行工作负载。
• 识别关键挑战，如内存访问模式、回溯复杂性以及加速器设计中的内存占用。

提出的方法

• 对三种主要DNA比对算法的FPGA加速器进行调研与分类：Smith-Waterman（最优局部比对）、BLAST类（启发式、基于种子）以及带FM索引的BWT（压缩、精确匹配）。
• 分析FPGA特定的优化技术，如Smith-Waterman的对角线并行化，以减少内存访问和延迟。
• 评估内存访问模式：Smith-Waterman的规则访问与哈希表方法的不规则访问，对带宽和性能的影响。
• 研究预计算指针和压缩数据结构（如FM索引）的使用，以减少内存占用并提高访问效率。
• 评估FPGA资源（LUT、DSP、块RAM）在实现算法特定优化中的作用。
• 比较不同加速器在算法复杂度和可扩展性方面的表现，尤其关注对错配和仿射间隙惩罚的支持能力。

实验结果

研究问题

• RQ1 与通用CPU相比，基于FPGA的加速器在DNA序列比对方面如何提升性能和能效？
• RQ2 在FPGA加速中，Smith-Waterman、BLAST类和基于BWT-FM索引的比对算法之间，关键的架构权衡是什么？
• RQ3 FPGA的可重构性和并行性在多大程度上可以缓解序列比对中的计算和内存瓶颈？
• RQ4 内存访问模式（规则 vs. 不规则）如何影响不同比对算法的FPGA加速器性能？
• RQ5 当前FPGA加速器在支持复杂比对特性（如仿射间隙惩罚或多重错配）方面存在哪些局限性？

主要发现

• Smith-Waterman可实现最优局部比对，但因需存储完整的动态规划矩阵，导致计算复杂度高且内存占用大。
• BLAST类算法通过启发式种子匹配实现更快的比对，但因内存访问不规则和哈希表存储需求大，面临性能瓶颈。
• 带FM索引的BWT可实现快速、精确的比对，且参考序列存储压缩，但随着错配数增加，运行时间呈指数增长，且需串行处理。
• 基于FPGA的Smith-Waterman加速器显著受益于对角线并行化，可减少内存访问开销并提高吞吐量。
• 尽管具有优势，基于哈希表的加速器仍因内存带宽限制和大哈希表所需的高片上内存使用而面临可扩展性问题。
• FM索引本质上是串行的，限制了单个比对内的并行性，但可通过并行处理多个查询实现并行化，因此适用于批量处理。