Высокопроизводительные вычисления в биоинформатике

*
Высокопроизводительные вычисления в биоинформатике
Особенности предметной области
Большой темп накопления знаний. Появление новых высокопроизводительных экспериментальных установок.
Большой темп роста числа гетерогенных источников данных - баз данных.
Тенденция к усложнению моделей предметной области.
Расширение области применения молекулярно-генетических знаний: биомедицина, фармакология, нанобиоинженерия и т.д.
Необходимость решать задачи, требующие больших вычислительных ресурсов.
Необходимость решать задачи, требующие интеграции больших объемов гетерогенных источников данных.

*
Высокопроизводительные вычисления в биоинформатике
Системная биология
Цель - изучение организации и механизмов развития и функционирования
живых систем на основе информации, закодированной в их геномах,
в ходе их взаимодействия с окружающей средой.
Описание в базах данных и интеграция огромных объемов гетерогенной экспериментальной информации, характеризующей живые системы на различных уровнях их структурно-функциональной организации
Крупномасштабный анализ экспериментальных данных
Построение математических моделей организации и функционирования живых систем
Предсказание новых особенностей организации и функционирования живых систем
Планирование экспериментов по проверке результатов предсказания
Проведение экспериментов и получение новых данных и знаний
СИСТЕМНАЯ БИОЛОГИЯ ВОЗНИКЛА, КОГДА ОНА СТАЛА ПРЕДСКАЗАТЕЛЬНОЙ НАУКОЙ

*
Высокопроизводительные вычисления в биоинформатике
Системная биология – интегративная наука

*
Высокопроизводительные вычисления в биоинформатике
Экспериментально-вычислительная база системной биологии
Кластер «Системная биология» Новосибирского научного центра СО РАН
Геномика: автоматический
секвенатор
Протеомика:
массовый анализ белков и метаболитов
ТРАНСКРИПТОМИКА: производство биочипов высокой плотности и анализ профилей экспрессии генов
Высокопроизводительные
вычислительные
Клеточная биология: лазерный сканирующий микроскоп
LSM510 META
Прижизненная томография
экспериментальных животных

*
Высокопроизводительные вычисления в биоинформатике
Объемы молекулярно-биологических данных и комбинаторная сложность задач биоинформатики

*
Высокопроизводительные вычисления в биоинформатике
Список некоторых наиболее затратных задач биоинформатики и потребности в вычислительных и информационных ресурсах

*
Высокопроизводительные вычисления в биоинформатике
Анализ потребности в Супервычислениях
Клеточные процессы
Клеточные сообщества
Экологические процессы
Метаболические пути
Необходимые вычислительные ресурсы
Уровни описания биосистем
Предсказание структуры белка
Сравнение геномов
Моделирование динамики белковых комплексов
Молекулярный докинг и моделирование взаимодействия
Сравнительный анализ белков
Моделирование генных сетей
1
10
100
1000 Tflops
Моделирование клетки
Моделирование эволюционных процессов
Макромоделирование
экосистем
Моделирование метаболических путей
Молекулярная машина
Асемблирование генома
Макромолекулы
Широкомасштабное моделирование экосистем
Моделирование динамики паразитарной инфекции на молекулярно-генетическом уровне
Моделирование органа
Макромоделирование
микробных сообществ

Технологии ускорения решения задач
2. Использование специальных процессоров:
FPGA (Field Programmable Gate Array)
MPPA (Massively Parallel Processor Array)
GPU (Graphics Processing Unit)
1. Использование высокопроизводительных вычислительных кластеров или суперкомпьютеров:
Распараллеливание по данным
Распараллеливание по процессам
3. Использование гибридных вычислительных систем, объединяющих в вычислительных узлах CPU вместе со спецпроцессорами, GPU или FPGA.
Пример: IBM Roadrunner. Процессор PowerXCell 8i.

*
Высокопроизводительные вычисления в биоинформатике
GPU демонстрируют хорошие результаты при:
Параллельной обработке данных
Когда одна и та же последовательность действий, применяется к большому объёму данных
Расчетах с высокой плотностью арифметики
Когда велико отношение числа арифметических инструкций к числу обращений к памяти
Когда эффективно GPU?
Одни и те же вычисления означают меньшие требования к управлению исполнением (flow control)
Высокая плотность арифметики и большой объём данных означают возможность покрытия латентности памяти вычислениями (вместо больших кэшей на CPU)

Генетический алгоритм оптимизации. Монте-Карло (300-1000)
Анализ текстов, поиск регулярных выражений. (10-35).
Сравнительная геномика. Филогения (15)
Smith Waterman, BLAST, ClustalW (30-70)
Скрытые марковские процессы. HMMer (25-30)
Множественное выравнивание (30).
распознавание образов(100), К-ближайших соседей (470), SVM(150),
Нейросети (15);
Алгоритмы на графах (20)
Дискретное моделирование биологических систем (200)
Молекулярная динамика (100-150),
Молекулярный докинг (16)
Молекулярный фолдинг (100)
Медицинская томография (300)
Анализ изображений (100)
Решение систем линейных уравнений (50)
Сингулярная декомпозиция (60)
Примеры приложений GPU CUDA и их эффективность

Благодарю за внимание!

*
Высокопроизводительные вычисления в биоинформатике
Компьютерный анализ результатов секвенирования и ассемблирование полноразмерных геномов.
Структурно-функциональная аннотация полногеномных последовательностей прокариот и эукариот.
Сравнительный анализ полногеномных последовательностей.
Молекулярная эволюция. Филогения.
Широкомасштабный компьютерный анализ протеомов.
Компьютерный анализ и моделирование структурно-функциональной организации ДНК, РНК, белков и их комплексов.
Функциональная аннотация белковых макромолекул. Молекулярный скрининг. Молекулярный докинг и молекулярный дизайн медицинских препаратов.
Дизайн самоорганизующихся ДНК/РНК наноструктур.
Молекулярная эпидемиология. Анализ полиморфизмов.
Компьютерное моделирование сложных молекулярно-генетических систем и процессов в норме и патологии.
Компьютерно-информационная поддержка экспериментального дизайна искусственных бактериальных молекулярно-генетических конструкций.
Компьютерный анализ изображений.
Классы задач, решаемых в СО РАН