[论文解读] GateKeeper-GPU: Fast and Accurate Pre-Alignment Filtering in Short Read Mapping

Zülal Bingöl, Mohammed Alser+3 more|arXiv (Cornell University)|Mar 27, 2021

Genomics and Phylogenetic Studies参考文献 46被引用 5

一句话总结

GateKeeper-GPU 是一种基于 GPGPU 加速的预对齐过滤器，通过利用现代 GPU 上的海量并行计算，提升了短读长比对的准确性和速度。它最多可将所需序列比对数量减少 2.9 倍，在 mrFAST 中使端到端读长比对速度提升 1.4 倍，同时在各种序列长度下保持超过 98% 的过滤效率。

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.

研究动机与目标

• 为解决短读长比对中传统依赖二次时间复杂度的动态规划算法所导致的计算瓶颈问题。
• 在现有最先进的轻量级预对齐过滤器 GateKeeper 的基础上，进一步提升其过滤准确率和性能。
• 利用现代 GPU 的海量并行性，加速在正式比对前对候选读长-参考序列对的过滤。
• 提供一种通用、高吞吐量且节能的预对齐过滤解决方案，兼容多种读长比对器。
• 通过展示 GPGPU 加速在基因组工作负载中的优势，推动未来读长比对流水线的软硬件协同设计。

提出的方法

• GateKeeper-GPU 实现了经过 GPU 执行优化的 GateKeeper 预对齐过滤器的改进版本，基于 CUDA 框架开发。
• 通过在动态规划比对前评估序列相似性是否在预设误差阈值内，实现快速近似的候选读长-参考序列对过滤。
• 内核利用数千个 GPU 线程并发评估多个序列对，最大化吞吐量并最小化空闲时间。
• 支持两种编码模式——主机编码和设备编码，以提升与现有读长比对器的集成灵活性。
• 设计注重高效的内存访问模式，所有配置下均实现 86.2% 的 L2 缓存命中率和超过 95% 的 SM 利用率。
• 使用 CUDA 的 nvprof 工具对性能进行剖析，测量 NVIDIA GTX 1080 Ti 上的执行时间、功耗和硬件利用率。

实验结果

研究问题

• RQ1 GateKeeper 的 GPU 优化实现是否能显著减少短读长比对中昂贵的序列比对次数？
• RQ2 GateKeeper-GPU 的过滤准确率与原始基于 FPGA 的 GateKeeper 在不同序列长度和误差阈值下相比如何？
• RQ3 GPU 并行性在不降低准确率的前提下，能在多大程度上加速预对齐过滤步骤？
• RQ4 预处理开销（如编码）对 GateKeeper-GPU 整体性能有何影响？
• RQ5 GateKeeper-GPU 在不同执行模式和序列长度下的硬件利用率与能效表现如何？

主要发现

• GateKeeper-GPU 通过减少需要动态规划比对的候选比对数量，使序列比对速度最高提升 2.9 倍。
• 在 mrFAST 读长比对器中，端到端执行时间获得 1.4 倍的速度提升，证明了其在真实工作负载中的性能增益。
• 在所有测试的序列长度下，平均过滤效率保持在 98% 以上，即使在序列长度增加时也仅有轻微下降。
• GPU 内核实现超过 95% 的 SM 效率，并持续保持高占用率，表明计算资源得到了有效利用。
• 功耗随序列长度增加而上升，主要由于更高的内存使用量和处理负载，但在不同编码模式下保持稳定。
• L2 缓存命中率平均达 86.2%，显著优于统一/纹理 L1 缓存（命中率 31.2%），表明性能高度依赖 L2 缓存。