GPU 기반 대규모 병렬 리드 매핑 PEANUT

초록

PEANUT은 GPU 전용 q‑group 인덱스를 이용해 읽기 매핑을 고속으로 수행하는 도구이다. 읽기 집합을 실시간으로 인덱싱하고, 필터링‑검증 파이프라인을 GPU에서 완전 병렬화함으로써 기존 BWT 기반 매퍼보다 속도와 민감도 모두에서 우수한 성능을 보인다.

상세 분석

PEANUT은 현대 GPU의 구조적 특성을 최대한 활용하도록 설계된 최초의 q‑gram 기반 전체 매퍼이다. 핵심 아이디어는 전통적인 q‑gram 인덱스가 차지하는 메모리 부담을 크게 줄인 q‑group 인덱스를 도입하는 것이다. q‑group 인덱스는 4^q개의 모든 q‑gram을 w(보통 32)개의 그룹으로 나누고, 각 그룹에 대해 비트맵 I와 누적 카운트 배열 S, 보조 주소 배열 S0, 그리고 실제 위치를 저장하는 O 네 개의 배열로 구성한다. 비트 연산과 POPCOUNT를 이용해 특정 q‑gram이 존재하는지와 그 위치 리스트의 시작점을 O(1) 시간에 찾을 수 있다. 이 구조는 메모리 사용량을 최대 16배까지 절감하면서도 조회 속도를 유지한다.

GPU 설계 관점에서 PEANUT은 다음 원칙을 따른다. (1) 워프 단위의 메모리 연속 접근을 보장해 전역 메모리 대기 시간을 최소화한다. (2) 조건 분기를 피하고, 가능한 모든 연산을 데이터 병렬 형태로 구현한다. (3) 레지스터 사용을 최적화해 SM당 동시에 실행 가능한 워프 수를 극대화한다. 이러한 설계는 OpenCL 기반의 병렬 프리픽스 스캔을 활용해 누적 합을 효율적으로 계산하고, 전체 파이프라인을 스트리밍 방식으로 연결한다.

알고리즘은 크게 세 단계로 나뉜다. 첫 번째 필터링 단계에서는 q‑group 인덱스를 이용해 읽기와 레퍼런스 사이의 정확한 q‑gram 매치를 찾아 잠재적 히트를 생성한다. 두 번째 검증 단계에서는 Myers의 비트‑패럴렐 정렬 알고리즘을 변형해 각 히트에 대한 편집 거리 점수를 빠르게 계산한다. 마지막 포스트프로세싱 단계는 CPU에서 수행되며, 매핑 품질 점수와 실제 정렬을 부착하고 SAM 형식으로 출력한다. 메모리 제한으로 인해 레퍼런스를 염색체 단위로 순차 처리하지만, 전체 파이프라인은 스트리밍 큐를 통해 연속적으로 동작한다.

벤치마크 결과는 두 가지 NVIDIA GPU(GTX 1080, GTX 980)에서 PEANUT이 최신 BWT 기반 매퍼(SOAP3, BWA‑MEM)와 기존 q‑gram 매퍼(RazerS 3, NextGenMap)보다 2‑5배 빠른 속도를 보이며, 특히 높은 오류 허용 범위(≤5%)에서도 민감도가 경쟁 매퍼와 동등하거나 약간 우수함을 입증한다. 또한 전체 매퍼 중 최초로 “all‑mapper” 기능을 GPU에서 구현했음에도 불구하고 메모리 사용량이 기존 CPU‑only all‑mapper보다 적다.

전반적으로 PEANUT은 GPU 친화적인 데이터 구조와 알고리즘 최적화를 통해 대규모 NGS 데이터셋에 대한 고속, 고감도 매핑을 실현했으며, 향후 더 큰 메모리를 갖춘 최신 GPU(예: RTX 3090)에서도 확장 가능성이 크다.