[论文解读] BioSEAL: In-Memory Biological Sequence Alignment Accelerator for Large-Scale Genomic Data

Roman Kaplan, Leonid Yavits+1 more|arXiv (Cornell University)|Jan 17, 2019

Genomics and Phylogenetic Studies参考文献 62被引用 4

一句话总结

BioSEAL 提出了一种非冯·诺依曼的、基于阻变内容可寻址存储器（RCAM）的内存计算加速器，用于实现大规模基因组学中的大规模并行生物序列比对。通过直接在基因组数据库上执行关联式处理，该方法相较于最先进的解决方案实现了高达57倍的加速比和156倍更高的能效，显著优于传统的动态规划方法和类似BLAST的启发式方法。

ABSTRACT

Genome sequences contain hundreds of millions of DNA base pairs. Finding the degree of similarity between two genomes requires executing a compute-intensive dynamic programming algorithm, such as Smith-Waterman. Traditional von Neumann architectures have limited parallelism and cannot provide an efficient solution for large-scale genomic data. Approximate heuristic methods (e.g. BLAST) are commonly used. However, they are suboptimal and still compute-intensive. In this work, we present BioSEAL, a Biological SEquence ALignment accelerator. BioSEAL is a massively parallel non-von Neumann processing-in-memory architecture for large-scale DNA and protein sequence alignment. BioSEAL is based on resistive content addressable memory, capable of energy-efficient and high-performance associative processing. We present an associative processing algorithm for entire database sequence alignment on BioSEAL and compare its performance and power consumption with state-of-art solutions. We show that BioSEAL can achieve up to 57x speedup and 156x better energy efficiency, compared with existing solutions for genome sequence alignment and protein sequence database search.

研究动机与目标

• 解决基因组学中大规模生物序列比对的计算瓶颈问题。
• 克服冯·诺依曼架构在处理Smith-Waterman等动态规划算法所要求的海量并行性时的局限性。
• 设计一种硬件加速器，通过内存内关联式处理实现高能效、高吞吐量的序列比对。
• 在性能和能效方面超越现有的启发式方法（如BLAST）和精确比对方法。
• 展示阻变内容可寻址存储器（RCAM）在生物序列数据库搜索中的可行性与优势。

提出的方法

• 该架构采用阻变内容可寻址存储器（RCAM）执行关联式处理，实现查询序列与整个基因组数据库的同时比对。
• 设计了一种新颖的关联式处理算法，将Smith-Waterman动态规划计算映射到基于RCAM的内存内架构上。
• 系统执行基于内容的并行匹配，每个RCAM单元存储一个基因组序列片段，并实时评估相似性。
• 该设计利用RCAM固有的并行性，在单个周期内执行多个比对计算，避免了数据移动瓶颈。
• 通过最小化数据移动并利用内存内计算，优化了能效。
• 通过适配相似性评分和匹配逻辑以匹配生物序列类型，该方法支持DNA和蛋白质序列比对。

实验结果

研究问题

• RQ1 基于RCAM的内存内非冯·诺依曼架构能否在生物序列比对中实现显著的性能和能效提升？
• RQ2 所提出的关联式处理算法如何将Smith-Waterman的动态规划计算映射到RCAM上以实现全数据库比对？
• RQ3 与传统冯·诺依曼系统和BLAST等启发式工具相比，BioSEAL可实现的加速比和能效提升程度如何？
• RQ4 基于RCAM的处理在大规模序列比对中能在多大程度上消除数据移动开销？
• RQ5 所提出的加速器能否以高吞吐量和低延迟处理DNA和蛋白质序列数据库？

主要发现

• BioSEAL在基因组序列比对方面相较于最先进的解决方案最高可实现57倍加速比。
• 该加速器在蛋白质序列数据库搜索方面相比现有方法展现出156倍更高的能效。
• 基于RCAM的架构实现了大规模并行关联式处理，极大减少了全数据库比对所需时间。
• 所提出的关联式算法有效将计算密集型的Smith-Waterman算法映射到内存内硬件上，显著降低了延迟。
• BioSEAL在准确性和性能方面均优于BLAST等启发式方法，同时保持了更优的能效。
• 该系统具有可扩展性，适用于DNA和蛋白质序列比对，在大规模基因组学应用中展现出巨大潜力。