CUDA平台下的复杂疾病全基因组基因

  本文关键词：CUDA平台下的复杂疾病全基因组基因-基因相互作用研究，由笔耕文化传播整理发布。

上海交通大学工程硕士学位论文 摘要 CUDA平台下的复杂疾病全基因组基因-基因相互作用研究 摘 要 复杂疾病的全基因组基因-基因扫描可以有效发现多个基因的相互作 用对疾病易感性的贡献。但是这种扫描的计算量通常非常巨大，限制了它 的实际应用。现代图形处理器（GPU，显卡）已具有非常强大的并行计算 能力，同时价格低廉。因此，在这项研究中我们使用了基于GPU 的算法， 即SHEsisEpi。它仅与多个位点在全基因组中的易感性相关，而不受单个位 点的关联分析结果（即边际函数）影响。 我们分析了 WTCCC 数据库提供的双向情感障碍（bipolar disorder, BPD）数据，仅耗时27 小时就完成了全基因组一共500K 个SNP 的扫描，， 比传统的CPU 程序快将近300 倍。 -12 然后，我们通过对扫描结果进行筛选（p 5.37×10 ），对p 值最小并且 符合条件的SNP 组合，用独立的样本进行重复实验（475 个BPD 病例，480 个对照组，汉族人群），证明两对基因组合与BPD 的易感性相关（a 0.05 ）。 可执行文件和源代码可从SHEsis 主页进行下载（ -x.cn ）。 关键词：基因-基因相互作用，双向情感障碍，GPU编程，CUDA 上海交通大学工程硕士学位论文 ABSTRACT Genome-wide gene-gene interaction analysis for complex diseases using CUDA platform ABSTRACT Genome-wide gene-gene interaction scan is a promising method to study susceptibility epistasis effects of complex diseases, but its huge computational burden is the biggest challenge for practice. Graphic Processing Unit GPU is highlighted to have extremely high parallel computing ability and low cost. In this study, we developed a GPU-based analytical method, named as SHEsisEpi, which purely focuses on risk epistasis in genome-wide association study GWAS

  本文关键词：CUDA平台下的复杂疾病全基因组基因-基因相互作用研究，由笔耕文化传播整理发布。