青岛能源所新方法使得对微生物群落的实时动态监控成为可能

近日，中国科学院青岛生物能源与过程研究所单细胞研究中心生物信息学团队研发一种新方法，成功实现在微秒时间内完成对微生物群落样本元基因组数据的比较，将现有结构解析效率提高了若干个数量级，使得对微生物群落的实时动态监控成为可能。相关文章发表于2013年12月19日的《BioInformatics》杂志上。

青岛能源所新方法使得对微生物群落的实时动态监控成为可能

元基因组学可通过直接测定、分析遗传信息，深入理解复杂微生物群落的结构和功能。基于不同时间和环境条件下的海量微生物群落数据的高效比较分析是元基因组学领域的技术瓶颈之一。

该研究中心生物信息学团队助理研究员苏晓泉、王雪涛等利用GPGPU(高性能并行化通用处理器)等先进计算硬件，设计了高性能微生物群落数据分析方法GPU-Meta-Storms。

该方法成功实现在微秒时间内完成对微生物群落样本元基因组数据的比较，将现有结构解析效率提高了若干个数量级，使得对微生物群落的实时动态监控成为可能。基于相关工作，该团队已获得5项软件著作权授权并申请了5项发明专利。

此外，该团队还利用GPU-Meta-Storms等数据分析方法，构建了Meta-Mesh等微生物群落数据库和数据服务平台，相关方法被欧洲生物信息学研究所(EMBL-EBI)等国内外数十个研究团队采用。

上述工作由单细胞研究中心生物信息学团队负责人宁康研究员主持完成，获得了新近成立的CUDA研究中心支持。

原文摘要：

GPU-Meta-Storms: Computing the structure similarities among massive amount of microbial community samples using GPU

Xiaoquan Su, Xuetao Wang, Gongchao Jing and Kang Ning

We have developed an optimized GPU-based software, GPU-Meta-Storms, to efficiently measure the quantitative phylogenetic similarity among massive amount of microbial community samples. Our results have shown that GPU-Meta-Storms would be able to compute the pair-wise similarity scores for 10,240 samples within 20 minutes, which gained a speed-up of more than 17,000 times compared to single-core CPU, and more than 2,600 times compared to 16-core CPU. Therefore, the high-performance of GPU-Meta-Storms could facilitate in-depth data mining among massive microbial community samples, and make the real-time analysis and monitoring of temporal or conditional changes for microbial communities possible.