用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化

计算机应用 ›› 2013, Vol. 33 ›› Issue (12): 3321-3325.

• 2013年全国开放式分布与并行计算学术年会（DPCS2013）论文 • 上一篇下一篇

用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化

马进¹,谢江¹,²,戴东波¹,谭军¹,张武¹,²

1. 上海大学计算机工程与科学学院，上海 200044；
2. 上海大学高性能计算中心，上海 200044

收稿日期:2013-08-05 出版日期:2013-12-01 发布日期:2013-12-31
通讯作者: 张武
作者简介:马进(1991-),男,安徽亳州人,硕士研究生,CCF会员,主要研究方向:生物信息、高性能计算;
谢江(1971-),女,湖北恩施人,副教授,博士,CCF会员,主要研究方向:生物信息、高性能计算;
戴东波(1977-),男,湖南娄底人,讲师,博士,CCF会员,主要研究方向:生物信息、算法设计和分析;
谭军(1987-),男,湖南株洲人,硕士,主要研究方向:高性能计算;
张武(1957-),男,江西武宁人,教授,博士,CCF会员,主要研究方向:高性能计算、生物信息、计算流体学。
基金资助:
教育部博士点基金资助项目;上海市科委重点项目资助

Parallelism of adaptive Hungary greedy algorithm for biomolecular networks alignment

MA Jin¹,XIE Jiang¹,²,DAI Dongbo¹,TAN Jun¹,ZHANG Wu¹,²

1. School of Computer Engineering and Science, Shanghai University, Shanghai 200044, China
2. High Performance Computing Center, Shanghai University, Shanghai 200044, China

Received:2013-08-05 Online:2013-12-31 Published:2013-12-01
Contact: ZHANG Wu
Supported by:
; Key Project of Science and Technology Commission of Shanghai Municipality

摘要/Abstract

摘要： 生物分子网络比对是生物信息学中一个重要领域，是研究生物现象和生命机理的有效手段，而自适应匈牙利贪心混合算法(AHGA)是其中一个有效的生物分子网络比对算法。但是生物分子网络数据的规模都比较大，而且由于其拥有生物背景，生物分子网络数据具有一些特殊性。为了能够在可以接受的时间范围内获得大规模生物分子网络的比对结果，使用MPI和统一计算架构(CUDA)对自适应混合算法进行了并行化，在比对中充分考虑生物分子网络的生物学意义，对两种方式进行了对比分析，以寻找更合适生物分子网络的比对方法。

关键词: 生物分子网络比对, 自适应, 混合算法, 并行化

Abstract: Biomolecular networks alignment is an important field, and it is an effective way to study biomolecular phenomenon. Adaptive Hungary Greedy Algorithm (AHGA) is one of the valid biomolecular networks alignment algorithms. Commonly, biomolecular networks have large scale and biological background, so the data of biomolecular networks are special. In order to get the alignment results of biomolecular networks in acceptable time, considering the biological significance when aligning them, two methods including MPI (Message Passing Interface) and CUDA (Compute Unified Device Architecture) were used to parallelize the adaptive hybrid algorithm. The methods were analyzed and compared to find the suitable one for biomolecular networks alignment.

Key words: biomolecular networks alignment, adaptive, hybrid algorithm, parallelism

中图分类号:

TP391
TP311

马进谢江戴东波谭军张武. 用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化[J]. 计算机应用, 2013, 33(12): 3321-3325.

MA Jin XIE Jiang DAI Dongbo TAN Jun ZHANG Wu. Parallelism of adaptive Hungary greedy algorithm for biomolecular networks alignment[J]. Journal of Computer Applications, 2013, 33(12): 3321-3325.

[1]	陈俊, 何庆. 基于余弦相似度的改进蝴蝶优化算法[J]. 计算机应用, 2021, 41(9): 2668-2677.
[2]	王周恺, 张炯, 马维纲, 王怀军. 面向高速列车监测数据的并行解压缩算法[J]. 计算机应用, 2021, 41(9): 2586-2593.
[3]	李蒙蒙, 秦伟, 刘艺, 刁兴春. 结合头脑风暴优化的混合蚁群优化算法[J]. 计算机应用, 2021, 41(8): 2412-2417.
[4]	刘双元, 郑王里, 林云汉. 面向三维特征描述子的自适应二进制简化方法[J]. 计算机应用, 2021, 41(7): 2062-2069.
[5]	侯笑晗, 金国栋, 谭力宁, 薛远亮. 基于自适应和最优特征的合成孔径雷达舰船检测方法[J]. 计算机应用, 2021, 41(7): 2150-2155.
[6]	李辉, 吴传生, 刘俊, 刘文. 基于梯度曲面面积与稀疏约束的图像平滑方法[J]. 计算机应用, 2021, 41(7): 2039-2047.
[7]	蒋林, 施佳琪, 李远成. 可重构结构下合成视点失真变化算法并行设计与实现[J]. 计算机应用, 2021, 41(6): 1734-1740.
[8]	蔡瑞光, 张德生, 肖燕婷. 参数独立的加权局部均值伪近邻分类算法[J]. 计算机应用, 2021, 41(6): 1694-1700.
[9]	林筠超, 万源. 基于图结构优化的自适应多度量非监督特征选择方法[J]. 计算机应用, 2021, 41(5): 1282-1289.
[10]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[11]	张康, 陈建平. 复杂环境下基于采样空间自调整的航迹规划算法[J]. 计算机应用, 2021, 41(4): 1207-1213.
[12]	李杏峰, 黄玉清, 任珍文, 李毅红. 基于自适应邻域的鲁棒多视图聚类算法[J]. 计算机应用, 2021, 41(4): 1093-1099.
[13]	黄思远, 张敏情, 柯彦, 毕新亮. 基于显著性检测的图像隐写分析方法[J]. 计算机应用, 2021, 41(2): 441-448.
[14]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[15]	郭丽峰, 王倩丽. 自适应安全的带关键字搜索的外包属性基加密方案[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3266-3273.

用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化

Parallelism of adaptive Hungary greedy algorithm for biomolecular networks alignment

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics