首页 > 文献资料
-
协会与北京市计算中心建立联系
8月19日，北京市计算中心培训事业部王忠林经理一行来到协会，与协会吴朝晖秘书长、杂志社田春英和会展与咨询部田洪鉴进行了会谈。北京市计算中心是北京市计划委员会、北京市科教组批复成立的一所科研服务型事业单位。据介绍，近年来计算中心的业务向高性能计算和云计算领域发展，其中生物计算服务也是其为企业、科研院所等提供相应的计算服务之一，计算中心与我会人员商讨了共同举办生物信息技术类培训的合作，旨在为生物技术从业人员提供实验数据信息处理的技术培训。
-
利用Galaxy与高性能计算集群构建本地化一站式生物信息学平台
目的 构建本地化的高性能一站式数据分析平台,为生物医学研究的相关科研人员提供便捷高效的计算分析服务.方法 将Galaxy软件部署在计算集群上,集成工具软件和数据集;利用分布式资源管理应用接口(DRMAA)实现与Sun Grid Engine的协同运作,自动调度和分配计算资源;并在集群上构建稳定的Web服务、FTP服务和管理数据库.结果 该平台已投入试运行并在不断完善,峰值计算能力达到每秒10万亿次,存储容量为40TB,提供序列比对、短串映射、基因注释、转录组分析、宏基因组分析及进化分析等多种功能,以及容量约为700GB的人类基因组、病毒、细菌、真菌等参考数据库.结论 该平台具备大规模数据分析的能力,能够解决高通量测序所带来的海量生物数据的存储与处理等问题.与在普通服务器上进行数据分析相比,该平台的计算集群能极大地加快数据处理过程,提高研究效率.
-
大规模EST序列聚类的并行算法研究进展
EST是携带有表达基因部分遗传信息的cDNA片段,EST聚类是将来自同一个基因的具有重叠部分的EST整合到单一的类中,是进行后续基因表达数据分析的必要步骤.传统的串行聚类方法的计算复杂度高,对内存要求大,不适于进行大规模聚类计算.本文主要介绍了EST聚类的并行处理方式、软硬件支持环境,适用于大规模EST聚类的并行算法和软件,比较了几种现有软件的算法、计算速度和内存要求等,并讨论了现有大规模聚类算法的优缺点.
-
CPU计算及其在生物医学研究中的应用
高性能计算是现代生物医学研究的重要工具和手段,传统的基于通用处理器(CPU)的计算机已很难满足生物医学研究对计算性能、效率和成本等多方面的综合性要求.近年来,图形处理器(GPU)计算技术异军突起,成为高性能计算领域的研究热点.本文介绍了GPU计算的基本概念、编程方法和特点,总结和讨论了GPU计算在生物医学中的应用现状和存在问题.后,结合实际情况提出了利用GPU计算的一些研究工作设想.
-
大数据时代下生物信息技术在生物医药领域的应用前景
随着信息技术的快速发展,大数据时代冲击着各个行业.在生物医药领域,基因组测序技术的革新使得低成本、高通量、快速度成为现实,与此相关数据信息也出现了爆炸性增长,生物医药领域被悄然融入大数据的行列,因此迫切需要高性能计算以及有效的技术与方法对这些信息进行处理,提取有效数据,为生物医药发展提供支撑.本文针对目前生物医药数据处理过程中面临的主要问题,初步探讨生物信息技术在生物医药领域中的应用及广阔前景.
-
中药方剂药物配伍网络构建程序的并行化实现及其应用
介绍了中药方剂药物配伍网络构建程序使用MPI实现并行化的方法,以及该并行程序在曙光TC2600系统下运行和测试的情况.测试结果显示,使用并行计算的方法在高性能计算环境下可以有效地处理在普通机器上无法处理的较大数量的数据和较为复杂的计算问题.当数据量较大时,采用数据分割的方法进行MPI并行编程是一种行之有效的并行方法,在数据量较大的情况下使用较多数量的CPU参与并行可以明显地提高计算速度.测试结果显示,并行计算的方法和高性能计算技术可以应用于中医药数据挖掘领域,并且可以显著地提高该领域的研究水平.
-
基于集群技术的高性能计算系统研究平台的构建
集群系统是随着微处理器技术和计算机互连网络技术的迅速发展而出现的一种并行计算系统,它使用高速通信网络将多台原本独立、完整的微机或工作站连接在一起,构成一个统一的整体,使之可作为一种单一的计算资源来使用.集群与SMP(对称多处理)和MPP(大规模分布式处理)相比,具有更高的可扩展性、可用性和易维护性,而且价格低,性价比高:相对于SMP、MPP类型的大型主机而言,使用相同等级的集群,价格仅为大型主机的六分之一.更重要的是,由于集群系统基于IA(IntelArchitecture)构架,采用的是商用处理器和商用高速网络,并且采用消息传递的编程模型,使其开发的程序具有很高的通用性和可移植性,可应用于不同的并行计算机.基于集群技术的高性能计算平台已成为并行计算系统发展的一种新主流技术,为磁约束聚变研究的大规模计算问题提供了一个有效解决途径.
-
基于GPU的蒙特卡洛放疗剂量并行计算
目的:蒙特卡洛模拟在放疗剂量计算领域被广泛视为精确的计算方法,但对于日常的临床应用,其效率仍有较大提升需求和空间.方法:本文会呈现放疗剂量计算领域的新成果-维持相同的粒子输运原理的同时,使用CUDA语言,利用显卡的GPU(Graphic Processing Unit)并行处理蒙特卡洛计算中的主要过程,计算光子剂量沉积.这样既可以保证不失去蒙卡模拟的精度,又可以极大地提高运算速度.结果:实践表明在使用NVIDIA GTX460 1G DDR5 plus INTEL i52300的硬件设备,在GPU上并行计算蒙特卡洛放疗剂量沉积时,计算100万个光子剂量沉积时加速因子达到116.6,处理1000万光子入射,加速因子可达127.5.结论:本文中利用显卡GPU运行CUDA语言对放疗剂量计算进行模拟,是一种可以大幅有效提高剂量计算效率方法.
