概述了与英特尔工程师多年合作以改进Bowtie和Bowtie 2(以及另一个称为HISAT的相关工具)以有效利用现代Intel CPU上的所有处理器核心的结果。包括在英特尔®Xeon®和英特尔®XeonφΦPhi™处理器上运行我们改进的代码的结果。演讲者描述了对代码进行的一系列改进,包括集成IntelThreading Building Blocks库,使用更适合NUMA系统的互斥实现,以及完全了解NUMA的新颖的“队列锁”互斥实现。所有这些都导致了在测试系统上的线程缩放的改进。还描述了一系列结果,说明如何优化代码中的关键关键部分导致进一步的改进。这些结果得益于英特尔工具(如IntelInspector和IntelVTune}Ampli.)的战略使用,为其他基因组学软件工具提供了指南,供寻求类似地调整其软件以更好地利用现代多核系统的作者参考。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
处理器
+关注
关注
68文章
19136浏览量
228958 -
cpu
+关注
关注
68文章
10816浏览量
210990 -
intel
+关注
关注
19文章
3480浏览量
185692
发布评论请先 登录
相关推荐
全基因组数据CNV分析简介 精选资料分享
除了利用aCGH和snp芯片来检测CNV之外,也可以通过NGS数据来分析CNV, 比如全基因组和全外显子测序。针对全基因组CNV的检测,还针对开发了一种称之为C...
发表于 07-29 08:24
全基因组测序的优势 精选资料分享
基因组测序,并综合利用不同测序技术和生物信息学工具对研究物种进行序列拼接和修正,进而获得该物种的基因组序列图谱。第二种为常见的全基因组重测序
发表于 07-29 08:31
使用Arm服务器减少基因组学的时间和成本
1、使用Arm服务器减少基因组学的时间和成本 我们现在可以展示三种主要aligners在Arm架构AWS Graviton3上的性能。AWS Gravaton3是AWS服务器系列中最新的基于Arm
发表于 10-09 16:32
如何同时使用Nucleus与TensorFlow解决基因组学领域的机器学习问题
本文中阐述的两种方法均使用深度神经网络,学习将输入映射至输出的函数。神经网络由若干层线性与非线性运算构成,而这些运算会依次应用至输入。神经网络已成功应用于包括图像分类和自然语言翻译在内的多个问题领域。最近,神经网络也被用于解决基因组学问题,例如蛋白质结构预测和变异检测。
利用基因组学和人工智能延年益寿将在未来可期
近日,据外媒报道,抗衰老产业价值1100亿美元,到2025年估计会达到6100亿美元,全球科学家正在利用基因组学和人工智能的力量来延年益寿。
基于计算分析的高可用弹性宏基因组学计算平台
复杂度测序数据,让研究人员在处理过程中面临诸多困难面,大规模测序数据的分析消耗资源,如硬件资源、时间成本等;另一方面,计算分析过程中必然涉及到的大量宏基因组学计算分析工具很难由普通使用者自行部署、调试与维护。文中对比了领域内主流的宏基因
发表于 04-19 10:54
•6次下载
北鲲云超算平台对于基因组学研究能够提供哪些帮助?
随着众多生物基因组测序项目的完成,生物学数据正在加速度增长。从高通量/多组学,到单分子/单细胞;从多倍体/单倍型到宏基因组/环境基因组;从精
发表于 11-15 14:24
•503次阅读
NVIDIA Clara Parabricks助力基因组学和药物研究
世界上最大的遗传学研究鉴定数据库使科学家能够访问NVIDIA Clara Parabricks,以加速推进基因组学和药物研发领域的发展。
基因组学大型语言模型在多项任务中均展现出卓越的性能和应用扩展空间
InstaDeep、慕尼黑工业大学(TUM)和 NVIDIA 之间的合作推动了面向基因组学的多超级计算规模的基础模型开发进程。这些模型在大量预测任务(例如启动子和增强子位点预测)中展示了最先进的性能
人工智能如何改变基因组学?
AI 和加速计算正在为基因组测序流程开辟新的可能性。 全基因组测序领域的进步已经点燃了数字生物学的革命。 随着新一代高通量测序成本的下降,基因组学项目正在世界各地展开。 无论是对患有罕
评论