[1]李明亮,李 卓,黄 斌,等.基于GPU加速随机森林算法的大豆基因型填充研究[J].大豆科学,2023,42(06):742-748.[doi:10.11861/j.issn.1000-9841.2023.06.0742]
点击复制

基于GPU加速随机森林算法的大豆基因型填充研究

《大豆科学》[ISSN:1000-9841/CN:23-1227/S] 卷: 第42卷 期数: 2023年06期 页码: 742-748 栏目: 出版日期: 2023-11-20
Title:
Research on Soybean Genotype Imputation Based on GPU-Accelerated Random Forest Algorithm
作者:
李明亮1; 2; 李 卓2; 黄 斌2; 于 军1; 辛　鹏1; 张继成3; 唐 友1; 2
1.吉林化工学院 信息与控制工程学院，吉林 吉林 132022；2.吉林农业科技学院 电气与信息工程学院，吉林 吉林 132101；3.东北农业大学 电气与信息工程学院，黑龙江 哈尔滨 150030
关键词:
大豆基因填充; 随机森林算法; GPU 加速; 数据处理
DOI:
10.11861/j.issn.1000-9841.2023.06.0742
摘要:
基因型填充（Genotype Imputation，GI）是一种利用现有的基因型信息来推断未测定或不完整基因型的技术。为了探索在大豆基因组测序中处理不完整数据的高效填充方法，以提高数据处理速度和效率，本研究采用真实的大豆参考面板基因型数据，通过对数据进行2%、5%、10%和25%的完全随机缺失处理，利用GPU加速的随机森林机器学习算法构建填充模型，并对不同缺失比例的数据进行填充。同时，对比分析了不同处理器的准确性和性能。结果显示：基于GPU加速的随机森林算法在大豆基因组中实现了优秀的填充精度。与主流基因填充软件相比，该方法至少提供了4倍以上的运算时间优势。因此，GPU加速的基因型填充策略可应用于大规模基因型数据处理中，提高大豆基因型数据处理的速度和效率，同时减少计算时间和资源消耗。

相似文献/References:

[1]李佳楠,高兴泉,李卓,等.四种机器学习算法预测大豆蛋白质定位对比研究[J].大豆科学,2022,41(03):337.[doi:10.11861/j.issn.1000-9841.2022.03.0337]
　LI Jia-nan,GAO Xing-quan,LI Zhuo,et al.Comparative Study of Four Machine Learning Algorithms for Soybean Protein Localization Predicting[J].Soybean Science,2022,41(06):337.[doi:10.11861/j.issn.1000-9841.2022.03.0337]

更新日期/Last Update: 1900-01-01