Multi-gpu алгоритм оцінки взаємної інформації на основі В-сплайн функції

Автор(и)

  • С. Г. Стиренко Національний технічний університет України "КПІ"
  • П. В. Грубый Національний технічний університет України "КПІ"

DOI:

https://doi.org/10.18372/2073-4751.1.7219

Анотація

Представлений новий підхід до прискорення методу оцінки взаємної інформації, заснованому на B-сплайн функції, за допомогою графічних прискорювачів. Для отримання ефективного відображенням-ня на цей тип архітектури, була використана модель програмування Compute Unified Device Architecture (CUDA) для розробки та реалізації нового розподіленого алгоритму, заснованого на CUDA-MI. Запропонована реалізація показала прискорення до 224 разів при використанні подвійної точності на 4 GPU у порівнянні з багатопотокової реалізацією на чотириядерних процесорі для великих наборів даних. Отримані результати використовувалися для генерації кореляційних матриць траєкторій руху молекул складних білків. Порівняння з існуючими методами, включаючи g_corellation показало підвищення якості отримання матриць кореляцій за менший час

Біографія автора

С. Г. Стиренко, Національний технічний університет України "КПІ"

к.т.н.

Посилання

Fraser AM, Swinney HL: Independent co-ordinates for strange attractors from mutual information. Physical Review A 1986, 33:2318-2321.

Pluim JPW, Maintz JBA, Viergever MA: Mutualinformation-based registration of medical images: a survey. IEEE Transactions on Medical Imaging 2003, 22:986-1004. PubMed

Arsic I, Thiran JP: Mutual information eigenlips for audio-visual speech recognition. Proc 14th Eur Signal Processing Conf (EUSIPCO) 2006.

Zhou X, Wang X, Dougherty ER: Con-struction of genomic networks using mutual-information clustering and reversible-jump Mar-kov-chain-Monte-Carlo predictor design. Signal Processing 2003, 83:745-761.

Zhou X, Wang X, Dougherty ER, Russ D, Suh E: Gene Clustering Based on Clusterwide Mutual Information. Journal of Computational Biology 2004, 11:147-161.

Daub CO, Steuer R, Selbig J, Kloska S: Estimating mutual information using B-spline functions-an improved similarity measure for ana-lysing gene expression data. 2004., 5:

Zola J, Aluru M, Aluru S: Parallel information theory based construction of gene regulatory networks. Hipc 2008, 336-349.

Butte AJ, Kohane IS: Mutual information relevance networks: functional genomic clustering using pairwise entropy measurements. Pacific Symposium on Biocomputing 2000, 415-426.

Schafer J, Strimmer K: An empirical Bayes approach to inferring largescale gene association networks. Bioinformatics 2005, 21(6):754-764.

D'Haeseleer P, Wen X, Fuhrman S, So-mogyi R: Mining the gene expression matrix: In-ferring gene relationshops from large scale gene expression data. Second International Workshop on Information Processing in Cells and Tissues 1998, 203-212.

Friedman N, Linial M, Nachman I, Pe'er D: Using Bayesian networks to analyze expression data. Journal of Computational Biology 2000, 7:601-620.

Chen X, Chen M, Ning K: BNArray: an R package for constructing gene regulatory networks from microarray data by using Bayesian network. Bioinformatics Application Note 2006, 22:2952-2954.

Margolin AA, Nemenman I, Basso K, Wiggins C, Stolovitzky G, Favera RD, Califano A: ARACNE: An Algorithm for the Reconstruc-tion of Gene Regulatory Networks in a Mammali-an Cellular Context. BMC Bioinformatics 2006., 7(S7):

Wilson J, Dai M, Jakupovic E, Watson S, Meng F: Supercomputing with toys: harnessing the power of NVIDIA 8800GTX and playstation 3 for bioinformatics problems. Comput Syst Bioinformatics Conf 2007, 387-390.

Lindholm E, Nickolls J, Oberman S, Montrym J: NVIDIA Tesla: A unified graphics and computing architecture. IEEE Micro 2008, 28:40-52.

NVIDIA: NVIDIAFermiArchitecture. [http://www.NVIDIA.com/object/fermi_architecture.html] webcite

Manavski SA, Valle G: CUDA compatible GPU cards as efficient hardware accelerators for Smith-Waterman sequence alignment. BMC Bio-informatics 2008., - 98 с.

Schatz MC, Trapnell C, Delcher AL, Varshney A: High-throughput sequence alignment using graphics processing units. BMC Bioinformatics 2007, - Р. 143-155.

Liu Y, Maskell DL, Schmidt B: CUDASW++: optimizing Smith-Waterman sequence database searches for CUDA-enabled graphics processing units. 2(73) BMC Research Notes 2009. - Р. 139-141.

Liu Y, Schmidt B, Maskell DL: CUDASW++2.0: enhanced Smith-Waterman pro-tein database search on CUDA-enabled GPUs based on SIMT and virtualized SIMD abstrac-tions. BMC Research Notes 2010., 3(93), - Р. 98-107.

Liu W, Schmidt B, Voss G, Muller-Wittig W: Accelerating Moleculer Dynamics simulations using Graphics Processing Units with CUDA. Computer Physics Communications 2008, - 367 р.

Zola J, Aluru M, Sarje A, Aluru S: Parallel Information Theory Based Construction of Ge-nome-wide Gene Regulatory Networks. IEEE an-sactions on Parallel and Distributed Systems 2010, - Р. 1721-1733.

CUDA N: NVIDIA CUDA C Program-ming Guide Version 3.1.1. 2010.

Den Bulcke TV, Leemput KV, Naudts B, van Remortel P, Ma H, Verschoren A, Moor BD, Marchal K: SynTReN: a generator of synthetic gene expression data for design and analysis of structure learning algorithms. BMC Research Notes 2011, - 253 р.

Haixiang Shi, Bertil Schmidt, Weiguo Liu and Wolfgang Muller-Wittig: Parallel mutual in-formation estimation for inferring gene regulatory networks on GPUs. BMC Research Notes 2011, - Р. 243-253.

Alexander Kraskov, Harald Stögbauer, and Peter Grassberger: Estimating mutual information. Phys. Rev. E 69, 066138 (2004), - Р. 134-149.

П.Грубый, С. Стиренко: Multi-GPU алгоритм оценки взаимной информации для моделирования молекулярной динамики. High performance computing HPC-UA’2012, - Р. 158-163.

O.F. Lange, H. Grubmuller, “Generalized Correlation for Biomolecular Dynamics,” PROTEINS: Structure, Function, and Bioinformatics, 62, 2006, - Р. 1053-1061.

##submission.downloads##

Опубліковано

2013-03-25

Як цитувати

Стиренко, С. Г., & Грубый, П. В. (2013). Multi-gpu алгоритм оцінки взаємної інформації на основі В-сплайн функції. Проблеми iнформатизацiї та управлiння, 1(41), 93–100. https://doi.org/10.18372/2073-4751.1.7219

Номер

Том 1 № 41 (2013)

Розділ

Статті

Ліцензія

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.