基于GPU加速随机森林算法的大豆基因型填充研究

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.