[发明专利]一种蛋白质鉴定的大规模分布式并行加速方法及其系统

权利要求书

1.一种蛋白质鉴定的大规模分布式并行加速方法，其特征在于，包括：

步骤1，输入蛋白质序列，采用并行处理方法对所述蛋白质序列进行理论酶切得到肽序列，对所述肽序列按照理论母离子质量进行排序、去冗余处理，以创建肽索引文件块，并根据所述肽索引文件块生成肽索引元数据文件；

步骤2，输入质谱谱图，对所述质谱谱图按照实验母离子质量进行排序，并将排序后的质谱谱图进行平均划分，得到多个谱图数据块，并根据所述谱图数据块生成质谱元数据文件；

步骤3，将所述谱图数据块平均分配给多个主进程，各主进程管理多个从进程，各主进程对所分配的谱图数据块进行排序，依次指派给空闲的从进程进行肽谱匹配鉴定，并当所述肽索引文件块不止一块时，将同一个所述谱图数据块分配给多个从进程，由该多个从进程遍历单块所述肽索引文件块进行肽谱匹配鉴定；

步骤4，采用并行处理方法，汇总鉴定结果，利用鉴定到的肽序列推断对应的蛋白质序列，生成输出文件。

2.根据权利要求1所述的蛋白质鉴定的大规模分布式并行加速方法，其特征在于，

所述步骤1中，还包括：

11，将所述蛋白质序列平均划分为多个蛋白质序列子文件，每个所述蛋白质序列子文件的容量小于集群节点的本地存储器空间；

12，对每个所述蛋白质序列子文件由一个肽索引映射处理器进程处理，所述肽索引映射处理器进程之间相互独立并行处理，所述肽索引映射处理器进程将所处理的蛋白质序列子文件中的每一条蛋白质序列依次进行理论酶切得到肽序列，再将所述肽序列按照质量范围划分到相应的队列中，去除冗余肽序列后，将各个队列存储到不同的肽序列中间文件；

13，对不同的质量范围，每个质量范围由一个肽索引归约处理器进程处理，所述肽索引归约处理器进程之间相互独立并行处理，所述肽索引归约处理器进程读取本质量范围内的所有肽序列中间文件中的肽序列，并先按照理论母离子质量大小排列，当所述肽序列的理论母离子质量相同时，再根据所述肽序列的字符串的常规英文字典序排序，排序后去除冗余，创建肽索引文件块；

14，收集所有所述肽索引文件块的信息，并根据所述信息生成所述肽索引元数据文件。

3.根据权利要求2所述的蛋白质鉴定的大规模分布式并行加速方法，其特征在于，

所述步骤12中，还包括：

当所述蛋白质序列子文件的个数大于集群中处理器核的个数时，或大于所述肽索引映射处理器进程数时，对所述蛋白质序列子文件进行多轮处理，完成任务的肽索引映射处理器进程继续领取新任务，先到先得，直到所有蛋白质序列子文件都处理完。

4.根据权利要求2所述的蛋白质鉴定的大规模分布式并行加速方法，其特征在于，

所述步骤13中，还包括：

当所述质量范围的个数大于集群中处理器核的个数时，或大于所述肽索引归约处理器进程数时，对所述质量范围进行多轮处理，完成任务的肽索引归约处理器进程继续领取新任务，先到先得，直到所有所述肽序列中间文件都处理完。

5.根据权利要求1、2、3或4所述的蛋白质鉴定的大规模分布式并行加速方法，其特征在于，

所述步骤3中，所述主进程指派空闲的从进程进行肽谱匹配鉴定的步骤包括：

所述主进程读入所述质谱元数据文件和所述肽索引元数据文件，根据得到的统计信息，将分配给自己负责鉴定的所述谱图数据块按照质量范围从高到低排序，依次指派给所述从进程，如果所述肽索引文件块为多块，则同一所述谱图数据块被指派多次，每次对应一块肽索引文件块；所述从进程采用先到先得的方式领取任务，每当鉴定任务完成，存入鉴定结果子块，与所述主进程通讯，发回所述鉴定结果子块的文件名，并索要下一步任务对应的谱图数据块和肽索引文件块的信息，直到完成所有谱图数据块的鉴定。

6.根据权利要求5所述的蛋白质鉴定的大规模分布式并行加速方法，其特征在于，

所述步骤3中，所述从进程进行肽谱匹配鉴定的步骤包括：

所述从进程读入肽索引文件块，在原始肽序列的基础上计算出所发生修饰变化的可能情况，利用待鉴定的谱图数据块中的母离子质量误差窗口寻找符合设定质量范围的修饰肽序列，将符合要求的修饰肽序列输入给肽谱匹配打分算法以实现对肽序列的鉴定。