RNA二级结构能量计算加速器的设计与实现

发布时间：2017-10-22 10:08

  本文关键词：RNA二级结构能量计算加速器的设计与实现

  更多相关文章： OpenCL RNA二级结构 能量计算加速器 大规模种群 遗传模拟退火算法

【摘要】：生物大分子的结构对药物设计起着重要作用。对生物大分子结构的预测是生物信息学中很重要的一个研究领域。RNA作为生物大分子核酸的一种,其结构在蛋白质的合成过程中具有重要的作用。由于常规的生物实验方法预测RNA三级结构的成本较高,人们常使用计算机辅助计算方法来预测其二级结构,进而用来研究三级结构。一般认为自由能值最小的那个RNA二级结构是最稳定的。随着RNA序列长度变长,预测二级结构的计算复杂度变得越来越大、所需要的计算资源变得越来越多。进行RNA二级结构最小自由能值的高速并行计算变得尤为重要。本文以加速RNA二级结构能量计算为主线。RNA二级结构能量计算加速器的输入是RNA序列。而RNA和蛋白质之间是有很大关联的。本文首先研究了由蛋白质序列转换到mRNA序列的算法。其次RNA二级结构能量计算加速器的输出为RNA二级结构和其自由能值。因此本文在预测RNA二级结构部分首先研究了遗传算法,然后针对遗传算法的缺陷结合了模拟退火算法的优势,最终RNA二级结构能量计算加速器运用了基于OpenCL的大规模种群并行遗传模拟退火算法来实现。本文的主要工作及贡献包括:(1)研究了蛋白质表达方法,设计并实现了基于OpenCL的蛋白质到RNA序列转换的并行算法;(2)本文分析了传统遗传算法中的主要制约因素,如种群规模、时间成本等,设计和实现了基于OpenCL的大规模种群并行遗传算法、并进行了测试。最终对运行时间进行比较分析,验证了算法的加速效果。通过和已知RNA二级结构比较分析,验证了该算法随着种群规模的增加准确率有所提高。同时用Vienna RNA软件包测试RNA二级结构自由能值;(3)深入研究分析了模拟退火算法的优势,在大规模种群并行遗传算法的基础上结合了模拟退火算法,设计并实现了基于OpenCL的大规模种群并行遗传模拟退火算法。测试验证了该混合算法减慢了达到收敛的速度、提升了预测的准确率。通过和串行遗传模拟退火算法运行时间相比,该算法得到了加速。最后用Vienna RNA软件包测试RNA二级结构自由能值。该算法测出的自由能值和Vienna RNA软件包测出的自由能值可以作为药物设计或者生物研究的参考。
【关键词】：OpenCL RNA二级结构 能量计算加速器 大规模种群 遗传模拟退火算法
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：Q811.4;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 缩略词11-13
• 第一章 绪论13-21
• 1.1 研究背景13
• 1.2 研究现状13-19
• 1.3 本文的主要内容和贡献19-20
• 1.4 论文组织结构20-21
• 第二章 并行计算与生物信息学基础21-39
• 2.1 并行计算简介21
• 2.2 异构系统架构21-23
• 2.3 异构编程模型23-28
• 2.3.1 OpenCL简介23-24
• 2.3.2 OpenCL架构24-28
• 2.4 生物信息学概述28-29
• 2.5 蛋白质29-32
• 2.5.1 蛋白质概念及相关数据库简介29-30
• 2.5.2 蛋白质一级结构30-32
• 2.6 RNA32-38
• 2.6.1 RNA概念及相关数据库简介32
• 2.6.2 RNA二级结构组成32-33
• 2.6.3 RNA二级结构图形化表示33-35
• 2.6.4 RNA二级结构相关定义35
• 2.6.5 RNA二级结构自由能计算35-38
• 2.7 本章小结38-39
• 第三章 基于OpenCL的蛋白质转换算法实现39-43
• 3.1 蛋白质转换算法设计39
• 3.2 蛋白质转换算法并行实现步骤39-41
• 3.3 测试结果41-42
• 3.4 实验分析42
• 3.5 本章小结42-43
• 第四章 基于OpenCL的大规模种群并行遗传算法实现43-53
• 4.1 并行遗传算法设计43-44
• 4.2 大规模种群并行遗传算法实现步骤44-47
• 4.3 测试结果47-50
• 4.4 实验分析50-51
• 4.5 本章小结51-53
• 第五章 基于OpenCL的大规模种群并行遗传模拟退火算法实现53-65
• 5.1 并行遗传模拟退火算法设计53-54
• 5.2 并行遗传模拟退火算法步骤54-58
• 5.3 测试结果58-63
• 5.4 实验分析63-64
• 5.5 本章小结64-65
• 第六章 总结和展望65-67
• 6.1 总结65
• 6.2 展望65-67
• 参考文献67-71
• 致谢71-72
• 在学期间的研究成果及发表的学术论文72

，

本文编号：1077876