생체정보종합분석 및 생명과학
염기서열 및 단백질 결합은 매우 정교한 컴퓨팅을 요하며 CUDA 기반의 GPU로 상당한 성능 이점을 누릴 수 있습니다. 보다 다양한 생명과학 코드나 생체정보종합분석 분야에서 GPU를 활용하기 위한 연구가 진행되고 있습니다.
NVIDIA Tesla Bio Workbench 도입으로 생물 물리학자와 계산 화학자는 생화학 연구의 지평을 넓힐 수 있는 도구를 이용하여 과학적 워크플로우를 최적화하고 연구를 보다 신속하게 진행할 수 있습니다. 자세히 알아보기
BGI, GPU로 게놈 분석 속도 향상
세계 최대 규모의 게놈 연구소인 베이징게놈연구소(BGI)가 NVIDIA Tesla GPU를 활용하여 DNA 시퀀싱(DNA sequencing) 처리 속도를 획기적으로 높인 방법에 대해 알아봅니다.
다른 성공 사례 살펴보기.
세계 최대 규모의 게놈 연구소인 베이징게놈연구소(BGI)가 NVIDIA Tesla GPU를 활용하여 DNA 시퀀싱(DNA sequencing) 처리 속도를 획기적으로 높인 방법에 대해 알아봅니다.
다른 성공 사례 살펴보기.
 |
 |
| GPU를 이용한 HMMER 가속화 확장형 정보과학 |
MUMmer GPU: GPU를 이용한 대량염기서열결정 솃쓰 외 (Schatz, et al) |
CUDA를 이용한 주요 생체정보종합분석 및 생명과학 ISV 및 어플리케이션
| ISV | 설명 | GPU 장점 |
| NCBI BLASTP를 이용한 단백질 염기서열 데이터베이스 검색 | 최대 10배 속도 향상: CPU에서 수 분 소요되는 작업을 몇 초로 단축 | |
| 단백질 염기서열 데이터베이스(Smith-Waterman) 검색 | 최대 10 ~ 50배 속도 향상: 5000이상의 쿼리 길이에서 최대 30 GCUP 달성 | |
| CUDA에서 HMMER 가속화 | 최대 60 ~ 100배 속도 향상: CPU에서 수 시간 소요되는 작업을 몇 분으로 단축 | |
| 단백질-단백질간 상호 작용 모델링 어플리케이션 | 최대 6배 속도 향상: 단백질-단백질 결합을 위한 FPGA 기반 시스템보다 우수한 성능 | |
| 분자 형태 비교 어플리케이션 | 최대 170배 속도 향상: 신약 발견을 위한 빠른 선별 검사 (슬라이드 43 참조) |
CUDA를 이용한 생체정보종합분석 소프트웨어
- GPU HMMER : CUDA 기반 GPU상 HMMER
- MUMmerGPU: CUDA를 이용한 대량염기서열결정
- CUDASW++: CUDA 지원 GPU에서 단백질 시퀀스 데이터베이스(Smith-Waterman) 스캐닝
- GPU에 대한 Smith-Waterman 코드
- 온라인 CUDA Smith-Waterman
- CUDA 상의 ClustalW: CUDA를 사용한 다중 시퀀스 정렬
- CUDA기반 GPU를 이용한 폴딩앳홈(Folding @ home)
- LISSOM: model of human neocortex using CUDA
- CUDA 기반 Silicon Informatics 의 오토도크 (AutoDock)
- 서열정렬
- 도킹
- 3차원 단백질 결합(Docking)
- CUDA를 이용한 PIPER 가속화
- 위스콘신 대학의 단백질 도킹 연구 및 데이비드 다이너만(David Dynerman) 인터뷰 동영상
- 미국국립암협회(National Cancer Institute)의 제크 콜린스 (Jack Collins)가 말하는 GPU 컴퓨팅
- High-performance computational pipeline for metagenomic data analysis
- MrBayes on GPU
- 생물계를 위한 확률적 시뮬레이션 알고리즘 (Stochastic simulation algorithm)
- 인간 시각령(시신경으로부터 흥분을 받아들이는 대뇌 피질의 부분)의 자기조직화 컴퓨테이션 모델
- GPU상 페어와이즈 유클리디안 거리 컴퓨팅을 통한 유전자 발현 측정용 DNA 칩 툴