• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE/ACM transactions on computational biology and bioinformatics >MrBayes tgMC3++: A High Performance and Resource-Efficient GPU-Oriented Phylogenetic Analysis Method
【24h】

MrBayes tgMC3++: A High Performance and Resource-Efficient GPU-Oriented Phylogenetic Analysis Method

机译：MrBayes tgMC3 ++：一种面向GPU的高性能，资源高效的系统发育分析方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

MrBayes is a widespread phylogenetic inference tool harnessing empirical evolutionary models and Bayesian statistics. However, the computational cost on the likelihood estimation is very expensive, resulting in undesirably long execution time. Although a number of multi-threaded optimizations have been proposed to speed up MrBayes, there are bottlenecks that severely limit the GPU thread-level parallelism of likelihood estimations. This study proposes a high performance and resource-efficient method for GPU-oriented parallelization of likelihood estimations. Instead of having to rely on empirical programming, the proposed novel decomposition storage model implements high performance data transfers implicitly. In terms of performance improvement, a speedup factor of up to 178 can be achieved on the analysis of simulated datasets by four Tesla K40 cards. In comparison to the other publicly available GPU-oriented MrBayes, the tgMC3++ method (proposed herein) outperforms the tgMC3 (v1.0), nMC3 (v2.1.1) and oMC3 (v1.00) methods by speedup factors of up to 1.6, 1.9 and 2.9, respectively. Moreover, tgMC3++ supports more evolutionary models and gamma categories, which previous GPU-oriented methods fail to take into analysis.
机译：MrBayes是利用经验演化模型和贝叶斯统计数据的一种广泛的系统发育推断工具。但是，似然估计的计算成本非常昂贵，导致执行时间过长。尽管已提出了许多多线程优化来加快MrBayes的速度，但仍有一些瓶颈严重限制了可能性估计的GPU线程级并行性。这项研究为面向GPU的似然估计并行化提出了一种高性能且资源高效的方法。提出的新颖的分解存储模型无需依赖经验编程，而是隐式实现了高性能数据传输。在性能改进方面，使用四张Tesla K40卡对模拟数据集进行分析时，可以实现高达178的加速因子。与其他面向公众的面向GPU的MrBayes相比，tgMC3 ++方法（本文提出）的加速因子高达1.6，优于tgMC3（v1.0），nMC3（v2.1.1）和oMC3（v1.00）方法，分别为1.9和2.9。此外，tgMC3 ++支持更多的进化模型和伽玛类别，以前的面向GPU的方法无法对其进行分析。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号