מבוא

המהפכה הגנומיקס הפכה באופן יסודי לביולוגיה ולרפואה, ומייצרת נתונים של מעבדים יוצאי דופן ומורכבות.הספקת גנום אנושי יחיד מניבה כ-200 ג'יגה-בתים של נתונים גולמיים, ומחקרים בקנה מידה האוכלוסייה כגון בריטניה Biobank ותוכנית המחקר של Us כוללת כעת מאות אלפי שיפורים חישוביים של ארכיטקטורות מבוססת CPU, בעוד שלעתים קרובות לא יכולים לעמוד בעקביות, באמצעות מערך אנרגיה חלופי, ומניעה של סיליקון, במיוחד, באמצעות סיליקון.

טכנולוגיית FPGA

מערך השערים זמין שדה-פרוגרמה הוא מכשיר מוליכים למחצה המורכב ממטריקס של עשרות בלוקים לוגיים ניתנים להגדרה, חיבורים בין-אוויריים קבועים, ופורקות עיבוד אותות דיגיטליות ייעודיות.בניגוד ליחידת עיבוד מרכזית, אשר מבצעת הוראה קבועה להגדיר באופן זמני, FPGA יכול להיות rewired בדרגה חומרה גבוהה יותר לאחר פריסה.

הניגוד עם יחידות עיבוד גרפיקה הוא הרסני. GPUs להשיג דרך קידוד יחיד, פרדיגמה של נתונים מרובים כי מצטיין חישובים קבועים צף נקודה. FPGAs, מצד שני, יכול ליישם זרימה שרירותית שליטה ללא overhead של פיזור נתונים, זה הופך אותם יעיל במיוחד עבור אלגוריתמים integer-heavy, אלגוריתמים עמידים כמו תכנות סמית 'מינלית דינמיקה לינוקס במיוחד לוגית קוסמטיקה קוסמטיקה ® .

דרישות ההשתכרות של ניתוח Genomic

מכשירים מודרניים של ריצוף מ-Ilumina, מדעי האוקיינוס השקט, ואוקספורד ננופו טכנולוגיות לייצר קורא במחירים כי יש חוק מור עבור מעבדים למטרות כלליות.ניתוח אלה כרוך צינור רב-שלבי: בקרת איכות, היערכות לגנום, רישום כפול, קריאה וזיהוי פונקציונלי כל שלב מציג תבניות חישוביות נפרדות (B-MME), מנועיות למניעת גרף נמוך (Cuijs) ומודלים ריקים (Crencericial) של סרטן ב-Cern-C) של ציוד אחסון (Cuptice) של ציוד אחסון (CDC) של ציוד אחסון (CDC) ו-Cupe) דורשות) של ציוד אחסון (CDC) על ידי מנועי) של ציוד אחסון נמוך (Cuptijrvrelid) ו-Crencecuation) של ציוד אחסון (Crelid CKKKervrencements (מתקני זיכרון נמוך (מתקני זיכרון נמוך (מתקני זיכרון פתוח) ו-Cuptice) ו-Cupticed) ו-Cuptice) של ציוד אחסון (Crencements (מתקני זיכרון פתוח (מתקני זיכרון פתוח) על ידי שימוש בגרסאות כיסוי לטווח קצר (CK

טביעת הרגל של מחקרים גנטיים גדולים הופכת גם להיות משמעותית מבחינה כלכלית וסביבתית. מרכזי נתונים המוקדשים לאוכלוסייה גנומיקים לצרוך מגהוואט של כוח, ועלות החשמל לעתים קרובות מתחרה עלות רכישת חומרה ממורננת.זה יוצר תמריץ חזק לאמץ גנטיקה שיכולה לעבד יותר זוגות בסיס עבור CPUs, עם יכולת להגדיר נתיבים נתונים כי תוספת של מחקר קליני זמין עבור CPU אחד, אשר עשוי להיות מתאים יותר יעילות קלינית של CPU אחד.

היתרונות של FPGA Accelerators ב Genomics

מאיצים מבוססי FPGA מביאים אוסף של הטבות הקשורות ישירות ללחצים של גנומיקים מודרניים:

  • (FLT:0) מקבילות ברמה פילין: FPGAs יכול לשלב את כל זרימת העבודה האנליטית על שבב יחיד, הזרמת נתונים מן היישר דרך המתקשר הגרסאות מבלי להעמיס לזיכרון חיצוני.זה מקטין את הכדאיות מדגימה לענות ומבטל את צווארי הבקבוק I/O המכים תוכנות CPU של .
  • (FLT:0) סוגי נתונים של C, G, FPGA יכול לפעול באופן טבעי על נתונים ארוזים ברשומות ידניות - שני ביטים לכל ניוקליאואיד מספיקים כדי לייצג A, C, G, T. An FPGA יכול לפעול באופן טבעי על נתונים ארוזים לתוך רשם מותאם אישית, למנוע את ההתרחבות 32 סיביות או 64 סיביות כי CPUs להשתמש רוחב פס יעיל זה על ידי גורם של 8 × יותר.
  • (FLT:0) פרופורציה: FLT:1 כי רק ההיגיון הנדרש למשימה פעילה מוגדר, FPGAs לצרוך כוח קרוב יותר למינימום התיאורטי עבור פעולה נתונה.זה חשוב במיוחד במעבדות קליניות המפעילות כלי ריצוף כל הזמן וצריכים לשמור על הוצאות תפעוליות צפויות.
  • (FLT:0) עצלנות אובייקטיבית: FPGA יכול לעבד אחד קורא בתוך מספר קבוע של מחזורים, המבטיח כי הניתוח ממשיך בקצב של זרם הנתונים של המכשיר ללא עיכובים מבולחים שעלולים להתרחש על מעבד טעון.
  • (ב) ניתן לקשר בין מספר רב של חומרים:0) באמצעות בדים מתוזמרים: ההרחבה מספר 1 (FPGAs) באמצעות טרנסג'נדרים בעלי רוחב גבוה או להשתלב בפריסה בקנה מידה ענן, המאפשרת למעבדות לבצע ביצועים בקנה מידה ליניארי על ידי הוספת כרטיסים מאיץ יותר או החלפת FPGA ענן כגון FLT:2 אמזון EC2 FLT3.

יישומים בניתוח נתונים Genomic

המונחים:

(הופנה מהדף Alignment) הוא אבן הפינה של רוב זרמי העבודה הגנומיים (Demanmic Transverse) של אלגוריתם הגנום של ה-DMine-Wunsch (Digital) אשר ניתן להפחתה של מספר 1 של FPA) ו- SW-ALTS (מספקי עיבוד) נוספים המבוססים על FPFSD) יכולים ליישר מערך מחשובי שלם של מטריקס אנושי במחזור יחיד כגון:

המונחים: garmline Analysis

(הופנה מהדף nucleotide Polymorphisms ו- מחיקה קטנה דורש מודלים סטטיסטיים במשקל Canacopic בכל עמדה genomic. FPGA מאיצים עבור PairHMM ו- Bayesian genotype חשפו צינורות עמוקים שבהם אלפי אתרים מועמדים מוערכים במקביל.

בסיס קריאה ל-Time-Time Sequencing

(Oxanopore's Minion and PromethION מכשירים לייצר אותות מודרניים מוכחים של אבני חן טהורים, אשר חייב להיות מתורגם לרצף של Opennucleotide באמצעות רשתות עצביות חוזרות ונשנות.העקביות של בסיס ענן קוראות בסיס יכול להפוך יישומים בזמן אמתיים ללא קריטריונים ספציפיים של איסוף אוטומטי של מנועים תפעוליים (FPGA-acerated) תוך שימוש במספר מקרים של כרטיסי עיבוד יחיד, עד 512 יכולות הפעלה אוטומטית של ציוד.

דחיסות נתונים ואחסון

(הדגשה של גל הנתונים הגנטיים דורש תכניות דחיסה אשר מבינות את המבנה הביולוגי של הקבצים.דחיסה מבוססת הפניה תנצל את ההשוואה הגבוהה בין גנום התורם לבין ההתייחסות לאגור רק הבדלים. FPGA של אלגוריתמים כגון CRAM ו- Genozip מבצעים את ה-Gemcive של CMEPS ללא תשלום בקצב קו, ולהבטיח כי הנתונים לעולם לא יהיו מחוסנים על גבי דיסק.

הופעות ב Benchmarks and Real-World Deployments

(ה) לכמת היתרונות של האצה FPGA, כמה קריטריונים עצמאיים נערכו.בהשוואה בין ראשי ל- PGT של שרת CPU סטנדרטית של 241 מול כרטיס יחיד של Xilinx Alveo U250 FPGA פועל צינור קריאה מהיר, FPGA השיג 8× 4x באמצעות חישובים פחות כוח.

יישום הסכם FPGA: כלים ופלטפורמות

(הופנה מהדף FPGAs נדרש מומחיות בשפות תיאור חומרה כגון Verilog או VHDL, יצירת מחסום עבור קבוצות ביו-אינפורמטיקה.הופעתו של FLT:0 High-level synthesisFLT 1 כלי ניהול מהיר של FPN) אשר מוריד באופן דרמטי את סף זה.

(הופנה מהדף FPGA) מציעים עוד FPGA גישה ל-FLT:0) אמזון F1 אקולוגית (Amazon F1 Ecoration) מספקת פגזי מפתח AMIs עם FPGA שנבנו מראש עבור זרימת נתונים מאחסון אובייקטים באמצעות לוגיקה אישית, החוקרים יכולים לשכור תזמורת טרום-מתאים: 2AMD-Xilinx Virtexation UltraScaleation +FLT3, תוך כדי למנוע את ה-Facter Software Defate, לעומת זאת, לעומת זאת, כך, כך, כך, כך, לעומת זאת, כך, לעומת זאת, בתנאי CLTFerFer-Fer-Fer Active Index to opening Software Defate Software Defate Software Index to opening.

אתגרים נוספים ב-FPGA אימוץ

למרות ההבטחה שלהם, מאיצים FPGA נשארים פחות נפוצים מאשר חלופות מבוססות GPU במתקנים ליבתיים טיפוסיים של ביו-אינפורמטיקה.המכשולים העיקריים כוללים מורכבות עיצוב, מאגר מוגבל של מפתחים עם מיומנויות עיצוב חומרה-קודמות, והזמן הנדרש ל-Sate Codess של חברת פיתוח: BRAFD2FDIGNIFDEROERS LTS LTSEROEROEROEROEROEROEROEROER LTSEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROEROERS DITIONSEROEROEROERE LTS DITIONSEREEREERE LTSEREERESEROEROERESERES LTSEROERESERES LTSERESEROERS LTS LTS LTS LTS LTSEROEROERES LTS LTS LTSERES LTS

אינטגרציה עם מערכות ניהול מידע במעבדה קיימות ושפות זרימת עבודה (CWL, WDL) היא גם קריטית.כאשר FPGA מופיע רק כמשאב מיוחד מאחורי ממשק API, ביו-אינפורמטיבי יכול להגיש באופן שקוף את העבודות מבלי לשנות את התוכנות של CDCSCLing, עם פרויקטים כמו FLT:0BioConersainFLTs, לעומת מערכת ההפעלה CGAX2, לעומת מכשיר סטנדרטית.

כיוונים עתידיים

(במבט קדימה, כמה מגמות יחזקו את התפקיד של FPGAs ב-genomics.השילוב של FLT:0) AI inference acceleratorsFLT:1 ישירות על הבד FPGA - באמצעות יחידות מתוחות והתמיכה של רשת עצבית קוונטית כבר שיפור צינורות היברידיים, אשר משלבים היערכות קלאסית עם סינון מבוסס למידה עמוקה, הנקראת סימולציה מבנית וזיהוי, במיוחד, כגון סימולציה של AIFRM, במקום דיוק רלוונטי, כגון קידוד אופטיקה.

עוד גבול מתפתח הוא השימוש ב- FPGAs בקצה הרשת של COLT:0) להפיץ התקנים גנטיים של מעקב genomicFLT:1 במקום לשדר terabytes של נתונים גולמיים ממרפאת מרוחקת למרכז נתונים, קצה FPGA יכול לבצע היערכות, וריאנטים קריאה, ואפילו דה נובו באופן מקומי, לשדר רק את דוח genotype קליני רלוונטי זה משמר, מגיפות רוחב פסים, ולהפחית את התוצאות של מערכת הפעלה אחת של RMFX.

(ההתכנסות המתמשכת של טכנולוגיית FPGA עם זיכרון גבוה ופוטניקה יסיר עוד את צווארי הבקבוק מבוססי הקירבה של FPGA אשר מרחיבים את ייצור הגרף של k-mer ו de Bruijn, ⁇ s שפורסמו ב-FLT:0Scientific Reports FLT 1 מציעים בסופו של דבר פלטפורמות FPGA עם HB2e יכול לקיים מעל 400 / גרפים של ציוד אחסון משותף של ציוד אחסון יחיד (ה-F) באמצעות ציוד אחסון משותף של ציוד אחסון יחיד (מחדש) באופן ישיר של ציוד אחסון) של ציוד אחסון יחיד (D) עם גנום יחיד).

מסקנה

נפח המחקר הexploding של נתונים גנומי דורש עזיבה של מחשוב כללי לכיוון ארכיטקטורות מיוחדות ויעילות באנרגיה. FPGA מבוסס חומרים חומרה cccc-בסיסית תופסת עמדה ייחודית בנוף זה על ידי מתן המקבילה באמצעות חישוב של ASICs מותאם אישית תוך שמירה על יכולת הסתגלות לשמור על קצב עם אלגוריתמים במהירות גבוהה של מיקום, שיא שלהם בהטמעת רצף, קריאה, בסיס קריאה, ומבוסס על ידי פיתוח של מערכות אבטחה עצמית, תוך כדי שיפור של מערכות אבטחה מתקדמת, כמו גם דחיסה של מערכות אבטחה גבוהה של מערכות אבטחה עצמית, וקידום עצמי, כמו גם דחיסה של מערכות אבטחה מתקדמת של מערכות יחסים מתקדמות של מערכות אבטחה, כמו גם דחיסה של מערכות אבטחה ברמה גבוהה של מערכות אבטחה, כמו דחיסה, כמו דחיסה של מערכות יחסים מתקדמות של מערכות יחסים מתקדמות של מערכות יחסים של מערכות יחסים מתקדמות.