一种基于聚类的大规模单体分型算法.pdf

CN 43—1258／TP 计算机工程与科学 第35卷第11期2013年11月 ISSN1007—130X V01．35，No．1t，Nov．2013 ComputerEngineeringScience 文章编号：1007一130X(2013)11—0027-07 一种基于聚类的大规模单体分型算法+ 潘玮华，陈 波，徐 云 230027；2．安徽省高性能计算重点实验室，安徽合肥230027) (1．中国科学技术大学计算机科学与技术学院，安徽合肥 摘要：大规模单体分型问题是生物遗传分析领域一个重要的基础性问题。针对现有算法求解大规 模单体分型问题时存在的缺陷，在原有winHAP算法的基础上引入聚类思想，提出一种基于聚类的win— HAP算法。该算法在保证原算法精度不下降的前提下，大大提高了算法的计算速度，降低了空间消耗，并 具有空间需求与序列条数无关这一优良特性，因此特别适合处理超大规模的数据集。在SIMD共享存储 模型下对算法进行了并行化，并设计了基于贪心的线程任务分配策略，获得了接近线性的加速比。 关键词：单体分型；聚类；大规模计算；并行计算；生物信息学 中图分类号：TP38；Q344 文献标志码：A doi：10．3969／j．issn．1007—130X．2013．11．005 Clustering-basedlarge-scalehaplotypephasingalgorithm Yun PANWei—hua，CHENBo，XU of ofScienceand ofChina，Hefei (1．School Scienceand Technology 230027； Computer Technology，University of Performance 230027，China) 2．KeyLaboratoryHigh Computing，Hefei in isan fundamental phasingimportant problemgeneticanalysis．To Abstract：Large-scalehaplotype overcometheweaknessof introducethe of into Win— existingalgorithms，we conceptclusteringoriginal HAP and the basedWinHAP algorithm original algorithmproposeClutering algorithm．Thisimproves in and without the its has WinHAP nothing computingspeedmemory decreasingprecision，andmemory todowiththenumberof issuitedto datasets．Theis