- 生物信息学
排序以及蛋白质对接等极其密集型计算任务能够在支持CUDA的GPU上实现巨大性能提升。 当前，利用GPU（图形处理器）来处理各种生物信息学以及生命科学代码的工作正如火如荼地进行着。
凭借NVIDIA®（英伟达™）Tesla™ Bio Workbench，生物物理学家和计算科学家们实现了生物化学研究的突破性发展，科学工作流得以优化，研究进程得以大幅推进。了解详情。
 |
 |
| 利用GPU（图形处理器）加速HMMER Scalable Informatics |
MUMmerGPU：使用GPU（图形处理器）进行高吞吐量DNA序列比对 Schatz等人 |
采用英伟达™ CUDA（NVIDIA® CUDA）技术的生物信息学独立软件供应商以及应用程序
| 独立软件供应商(ISV) | 描述 | GPU优势 |
| 利用NCBI BLASTP进行蛋白质序列数据库扫描 | 10倍速度提升: 从CPU的数分钟到GPU的短短几秒 | |
| 蛋白质序列数据库(Smith-Waterman) 扫描 | 10-50倍速度提升: 在5000以上的查询长度上，最高可实现30 GCUP | |
| CUDA上的HMMER加速 | 60-100倍速度提升: 从CPU的数小时到GPU的区区几分钟 | |
| 蛋白质相互作用造型应用 | 6倍速度提升: 胜过基于FPGA的蛋白质对接系统 | |
| 分子形状对比应用 | 170倍速度提升: 可为药物开发进行快速筛选 (查看43号幻灯片) |
使用CUDA的生物信息学软件
- GPU HMMER：CUDA GPU上的HMMER
- MUMmerGPU：利用CUDA进行高吞吐量DNA序列比对
- CUDASW++ ：在CUDA GPU上进行蛋白质序列数据库（Smith-Waterman）扫描
- GPU上的Smith-Waterman代码
- 在线CUDA Smith-Waterman
- CUDA上的ClustalW：利用CUDA的多序列比对
- 使用支持CUDA的GPU执行Folding @ home
- LISSOM：使用CUDA处理人体新大脑皮层模型
- Silicon Informatics所开发的基于CUDA的AutoDock
- 序列比对
- 对接
- High-performance computational pipeline for metagenomic data analysis
- MrBayes on GPU
- 用于生物系统的随机仿真算法（SSA）
- 人体视觉皮层的自组织计算模型
- 通过在GPU上成对地计算欧几里德距离来分析基因表达的DNA微阵列工具