本發(fā)明涉及基因測序技術(shù)，具體涉及一種面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺。

背景技術(shù)：

最近幾年，隨著下一代測序技術(shù)（Next Generation Sequence, 以下簡稱NGS）的廣泛應用，基因測序的成本迅速下降，基因技術(shù)開始進入普及應用。NGS包括基因數(shù)據(jù)計算和基因數(shù)據(jù)解讀兩個步驟，其中基因數(shù)據(jù)計算是指對原始的基因測序數(shù)據(jù)進行去偽、去重等預處理，以便基因數(shù)據(jù)解讀時使用，基因數(shù)據(jù)解讀是指對基因數(shù)據(jù)計算處理后的基因數(shù)據(jù)在生物學、醫(yī)學、健康保健等領(lǐng)域的科學含義進行分析、揭示和解釋。

基因技術(shù)臨床應用發(fā)展存在兩個方面的瓶頸：一個制約基因技術(shù)臨床應用發(fā)展的瓶頸是基因數(shù)據(jù)的海量性?；诩夹g(shù)的原因，NGS生成的原始基因數(shù)據(jù)的單樣本數(shù)據(jù)量非常大，比如全基因組（Whole-Genome Sequencing, WGS）的單樣本數(shù)據(jù)達100G以上，因此基因單樣本數(shù)據(jù)的計算就已經(jīng)是高輸入/輸出密集和高計算密集型任務(wù)；再加上基因技術(shù)的快速普及，導致測序生成的原始基因數(shù)據(jù)的總量成指數(shù)增長。所以，對基因數(shù)據(jù)進行實時的、準確的計算和傳送變得非常困難，面臨著巨大的挑戰(zhàn)。為此，目前典型的方法是在擁有數(shù)量更多、性能更強的高性能處理器的計算機集群上，運用基于多線程技術(shù)的軟件進行處理。但是，這種系統(tǒng)的缺點是：一方面，它在存儲、功耗、技術(shù)支持和維護上的成本高；另一方面，在保證準確性的前提下，它能獲得的并行計算加速性能仍然難以滿足上述挑戰(zhàn)的需求；更主要的是，測序生成的原始基因數(shù)據(jù)的增加已經(jīng)遠超摩爾定律，所以，這種方法已經(jīng)缺乏持續(xù)性。另一個制約基因技術(shù)臨床應用發(fā)展的瓶頸是基因數(shù)據(jù)解讀的精確性和可讀性。目前基因數(shù)據(jù)解讀的典型方法是基于一個人類參考基因，用測序生成并經(jīng)基因數(shù)據(jù)計算處理后的基因數(shù)據(jù)，重構(gòu)出某人的基因。然而，當前使用的參考基因，例如GRCh38，是基于有限的樣本，既不足以代表整個人類的多樣性，又不完備，在探測個體基因里的獨特變異時，標準的基因信息學流程會導致偏差，而且缺乏與其它生物、醫(yī)學信息的深度交叉分析。此外，基因數(shù)據(jù)解讀還基本停留在專業(yè)領(lǐng)域，面向非專業(yè)的大眾，缺乏可讀性，即缺乏對基因數(shù)據(jù)直接的生物意義和間接的健康影響的通俗易懂、形式多樣的解讀。

目前，計算機系統(tǒng)中常見的處理器類型有中央處理器（Central Processing Unit, 簡稱CPU）、現(xiàn)場可編程門陣列（Field Programmable Gate Array, 簡稱FPGA）、圖形處理器（Graphics Processing Unit, 簡稱 GPU）和數(shù)字信號處理器（Digital Signal Processor, 簡稱DSP）。目前的高性能CPU通常都包括多個處理器核（Processor Core），從硬件上支持多線程，但是其設(shè)計目標還是面向通用應用程序，而相對于特殊的計算，通用應用程序的并行性較小，需要較復雜的控制和較低的性能目標。因此，CPU片上的硬件資源主要還是用于實現(xiàn)復雜的控制而不是計算，沒有為特殊功能包含專門的硬件，能夠支持的計算并行度不高。FPGA是一種半定制電路，優(yōu)點有：基于FPGA進行系統(tǒng)開發(fā)，設(shè)計周期短、開發(fā)費用低；功耗低；生產(chǎn)后可重新修改配置，設(shè)計靈活性高，設(shè)計風險小。缺點是：實現(xiàn)同樣的功能，F(xiàn)PGA一般來說比專用集成電路（Application Specific Integrated Circuit, ASIC）的速度要慢，比ASIC電路面積要大。隨著技術(shù)的發(fā)展和演進，F(xiàn)PGA向更高密度、更大容量、更低功耗和集成更多硬核知識產(chǎn)權(quán)（Intellectual Property, IP）的方向發(fā)展，F(xiàn)PGA的缺點在縮小，而優(yōu)點在放大。相比于CPU，F(xiàn)PGA可以用硬件描述語言來定制實現(xiàn)、修改和增加并行計算。GPU最初是一種專門用于圖像處理的微處理器，能夠從硬件上支持紋理映射和多邊形著色等圖形計算基本任務(wù)。由于圖形學計算涉及一些通用數(shù)學計算，比如矩陣和向量運算，而GPU擁有高度并行化的架構(gòu)，因此，隨著相關(guān)軟硬件技術(shù)的發(fā)展，GPU計算技術(shù)日益興起，即GPU不再局限于圖形處理，還被開發(fā)用于線性代數(shù)、信號處理、數(shù)值仿真等并行計算，可以提供數(shù)十倍乃至于上百倍于CPU的性能。但是目前的GPU存在2個問題：一是，受限于GPU的硬件結(jié)構(gòu)特性，很多并行算法不能在GPU上有效地執(zhí)行；二是，GPU運行中會產(chǎn)生大量熱量，能耗較高。DSP是一種用數(shù)字方法對各種信號進行快速分析、變換、濾波、檢測、調(diào)制、解調(diào)等運算處理的微處理器。為此，DSP在芯片內(nèi)部結(jié)構(gòu)上做了特殊的優(yōu)化，比如硬件實現(xiàn)高速、高精度的乘法等。隨著數(shù)字時代的到來，DSP廣泛應用于智能設(shè)備、資源勘探、數(shù)字控制、生物醫(yī)學、航天航空等各個領(lǐng)域，具有功耗低、精度高、可進行二維與多維處理等特點。綜上所述，以上四種計算器件各有特點，又各有局限性。但是，針對前述基因技術(shù)臨床應用發(fā)展存在的兩個方面的瓶頸，如何利用上述處理器來構(gòu)建混合架構(gòu)平臺以實現(xiàn)海量基因數(shù)據(jù)的計算解讀，則已經(jīng)成為一項亟待解決的關(guān)鍵技術(shù)問題。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題：針對現(xiàn)有技術(shù)的上述問題，提供一種能夠為提高基因數(shù)據(jù)計算的實時性和準確性、提高基因數(shù)據(jù)解讀的精準性和可讀性提供硬件支持，基因數(shù)據(jù)計算解讀效率高、制造成本低、計算解讀能耗低的面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：

一種面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺，包括異構(gòu)處理器單元、互聯(lián)總線模塊、內(nèi)存、基因計算解讀數(shù)據(jù)指令輸入單元和基因計算解讀結(jié)果輸出單元，所述異構(gòu)處理器單元分別通過互聯(lián)總線模塊與內(nèi)存、基因計算解讀數(shù)據(jù)指令輸入單元、基因計算解讀結(jié)果輸出單元相連，所述異構(gòu)處理器單元包括CPU、GPU、DSP和FPGA，其中CPU構(gòu)成控制引擎，所述CPU、GPU、FPGA三者構(gòu)成計算引擎，所述CPU、GPU、DSP三者構(gòu)成解讀引擎，所述控制引擎在通過基因計算解讀數(shù)據(jù)指令輸入單元接收基因計算解讀數(shù)據(jù)指令并分割為代碼段，當代碼段的任務(wù)類型為控制任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度CPU進行處理；當代碼段的任務(wù)類型為計算任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度計算引擎進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元輸出；當代碼段的任務(wù)類型為解讀任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度解讀引擎進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元輸出。

優(yōu)選地，所述FPGA包括交叉開關(guān)、IO控制單元和加速器單元，所述IO控制單元、加速器單元分別和交叉開關(guān)相連，所述加速器單元包括用于實現(xiàn)隱馬爾可夫模型計算硬件加速的隱馬爾可夫模型計算加速器、用于實現(xiàn)哈希計算硬件加速的哈希函數(shù)計算加速器兩者中的至少一種，所述IO控制單元與互聯(lián)總線模塊相連。

優(yōu)選地，所述IO控制單元包括PCIE接口、DMA控制器、PIU外圍接口部件和DDR控制器，所述交叉開關(guān)分別與DMA控制器、PIU外圍接口部件和DDR控制器相連，所述DMA控制器、PIU外圍接口部件之間相互連接，所述PCIE接口與DMA控制器相連，所述PCIE接口、DDR控制器分別與互聯(lián)總線模塊相連。

優(yōu)選地，所述互聯(lián)總線模塊包括HCCLink總線模塊和HNCLink總線模塊，所述CPU、GPU、DSP和FPGA分別通過HCCLink總線模塊和內(nèi)存相連，且所述CPU、GPU、DSP和FPGA分別通過HNCLink總線模塊和基因計算解讀數(shù)據(jù)指令輸入單元以及基因計算解讀結(jié)果輸出單元相連。

優(yōu)選地，所述基因計算解讀數(shù)據(jù)指令輸入單元包括輸入設(shè)備、通用接口模塊、網(wǎng)絡(luò)接口模塊、多媒體輸入接口模塊、外部存儲設(shè)備、傳感器中的至少一種。

優(yōu)選地，所述基因計算解讀結(jié)果輸出單元包括顯示設(shè)備、通用接口模塊、網(wǎng)絡(luò)接口模塊、多媒體輸出接口模塊、外部存儲設(shè)備中的至少一種。

優(yōu)選地，所述將代碼段的指令和數(shù)據(jù)調(diào)度計算引擎進行處理的詳細步驟包括：

A1）分別判斷代碼段是否能進行指令并行執(zhí)行，是否能進行流水線執(zhí)行，是否能進行數(shù)據(jù)并行執(zhí)行，如果三者均不能，則跳轉(zhuǎn)執(zhí)行步驟A7），退出；否則，跳轉(zhuǎn)執(zhí)行步驟A2）；

A2）判斷代碼段是否只能進行數(shù)據(jù)并行執(zhí)行，如果只能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟A3）；否則，跳轉(zhuǎn)執(zhí)行步驟A6）；

A3）判斷代碼段分派到FPGA上優(yōu)化執(zhí)行（即并行執(zhí)行，下同）的總開銷少于代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷是否成立，所述代碼段分派到FPGA上優(yōu)化執(zhí)行的總開銷包括CPU和FPGA之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、FPGA的訪存開銷以及FPGA的計算開銷，所述代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟A6）；否則，跳轉(zhuǎn)執(zhí)行步驟A4）；

A4）判斷代碼段是否是能耗優(yōu)先，如果是能耗優(yōu)先，則跳轉(zhuǎn)執(zhí)行步驟A6）；否則，跳轉(zhuǎn)執(zhí)行步驟A5）；

A5）判斷代碼段的基因計算是否適合GPU加速處理，如果適合GPU加速處理，則跳轉(zhuǎn)執(zhí)行步驟A8）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A6）綜合利用FPGA所有可能的加速方法，所述加速方法包括指令并行、流水線、數(shù)據(jù)并行中的至少一種，判斷代碼段分派到FPGA上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，如果成立，則跳轉(zhuǎn)執(zhí)行步驟A9），否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A7）將代碼段的指令和數(shù)據(jù)調(diào)度CPU處理，退出；

A8）將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出；

A9）將代碼段的指令和數(shù)據(jù)調(diào)度FPGA處理，退出。

優(yōu)選地，步驟A5）的詳細步驟包括：

A5.1）判斷代碼段的基因計算是否能進行數(shù)據(jù)并行執(zhí)行，如果能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟A5.2）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A5.2）判斷代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，所述代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，所述代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟A8）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）。

優(yōu)選地，所述將代碼段的指令和數(shù)據(jù)調(diào)度解讀引擎進行處理的詳細步驟包括：

B1）分別判斷代碼段是否為數(shù)字信號處理，是否為非圖形圖像類多媒體處理，是否為圖形圖像處理，如果三者都不是，則跳轉(zhuǎn)執(zhí)行步驟B7）；否則，跳轉(zhuǎn)執(zhí)行步驟B2）；

B2）判斷代碼段是否為圖形圖像處理，如果是圖形圖像處理，則跳轉(zhuǎn)執(zhí)行步驟B3）；否則，跳轉(zhuǎn)執(zhí)行步驟B5）；

B3）判斷代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷少于代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷是否成立，所述代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷包括CPU和DSP之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、DSP的訪存開銷以及DSP的計算開銷，所述代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B5）；否則，跳轉(zhuǎn)執(zhí)行步驟B4）；

B4）判斷代碼段是否是能耗優(yōu)先，如果是能耗優(yōu)先，則跳轉(zhuǎn)執(zhí)行步驟B5）；否則，跳轉(zhuǎn)執(zhí)行步驟B7）

B5）判斷代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，所述代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B6）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B6）將代碼段的指令和數(shù)據(jù)調(diào)度DSP處理，退出；

B7）判斷代碼段的基因解讀是否適合GPU加速處理，如果代碼段的基因解讀適合GPU加速處理，則將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B8）將代碼段的指令和數(shù)據(jù)調(diào)度CPU處理，退出。

優(yōu)選地，步驟B7）的詳細步驟包括：

B7.1）判斷代碼段是否為圖形圖像處理，如果是圖形圖像處理，則跳轉(zhuǎn)執(zhí)行步驟B7.3）；否則，跳轉(zhuǎn)執(zhí)行步驟B7.2）；

B7.2）判斷代碼段是否能進行數(shù)據(jù)并行執(zhí)行，如果能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟B7.3）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B7.3）判斷代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，所述代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，所述代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B7.4）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B7.4）將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出。

本發(fā)明面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺具有下述優(yōu)點：

1、平臺化，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，能夠讓設(shè)計人員開發(fā)各種基因數(shù)據(jù)計算、基因數(shù)據(jù)解讀和基因數(shù)據(jù)計算解讀應用流程，無需重新設(shè)計硬件系統(tǒng)；能夠移植其它公開或商用基因數(shù)據(jù)計算、基因數(shù)據(jù)解讀和基因數(shù)據(jù)計算解讀應用軟件，無需重新設(shè)計硬件系統(tǒng)；能夠用異構(gòu)編程語言（如OpenCL）來實現(xiàn)整個異構(gòu)平臺應用開發(fā)的一致性。

2、可擴展性好，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，能夠根據(jù)應用需求的不同和變化，靈活地擴展和重構(gòu)。

3、應用廣泛，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，既能夠作為本地基因數(shù)據(jù)計算、基因數(shù)據(jù)解讀和基因數(shù)據(jù)計算解讀的處理設(shè)備，又能夠作為集群或云計算環(huán)境下基因數(shù)據(jù)計算、基因數(shù)據(jù)解讀和基因數(shù)據(jù)計算解讀的處理結(jié)點。

4、高可配，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，在軟件方面，四種核心部件——CPU、FPGA、GPU和DSP都是可編程器件；在硬件方面，F(xiàn)PGA還能夠在系統(tǒng)定型、生產(chǎn)和安裝后，按需進行增量配置，即修改和/或增加功能；在應用集成方面，能夠根據(jù)基因數(shù)據(jù)計算解讀的各種應用要求，根據(jù)CPU、FPGA、GPU和DSP及其它硬件的優(yōu)勢特點，對系統(tǒng)各個部件的組織、規(guī)模和關(guān)聯(lián)性來進行配置和使用，使各部件合理分工并協(xié)同工作，最大效率地優(yōu)化應用流程。本發(fā)明系統(tǒng)為系統(tǒng)和應用設(shè)計師提供了良好的設(shè)計靈活性和增量配置能力，易于升級適應新的應用。

5、匹配基因數(shù)據(jù)計算解讀的異構(gòu)計算（heterogeneous computing）需求，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，能夠很好地匹配和滿足現(xiàn)在及將來基因數(shù)據(jù)計算解讀中融合處理分析文本、圖片、語音、音頻、視頻和其它電信號等各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的異構(gòu)計算對硬件的需求。

6、高性能，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，能夠從三個方面為高性能基因數(shù)據(jù)計算解讀提供硬件支持：一，同時提供任務(wù)并行、數(shù)據(jù)并行和算法硬件加速所需硬件；二，同時提供控制任務(wù)、事務(wù)型任務(wù)、非數(shù)據(jù)密集型計算任務(wù)、數(shù)據(jù)密集型計算任務(wù)所需硬件；三，同時提供文本、圖片、語音、音頻、視頻和其它電信號等融合處理分析所需硬件。

7、低成本，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，和完全用軟件處理基因數(shù)據(jù)計算解讀的、現(xiàn)有的計算機集群或云計算平臺相比，在提高性能的同時，能夠降低設(shè)計、存儲、網(wǎng)絡(luò)、功耗、技術(shù)支持和維護上的成本。

8、低功耗，本發(fā)明的異構(gòu)平臺為基于CPU加FPGA、GPU和DSP的異構(gòu)平臺，通過FPGA和DSP的使用，分擔CPU和GPU的部分工作，在提高性能和實現(xiàn)功能多樣化的同時，降低了能耗。

附圖說明

圖1為本發(fā)明實施例異構(gòu)平臺的框架結(jié)構(gòu)示意圖。

圖2為本發(fā)明實施例異構(gòu)平臺的引擎結(jié)構(gòu)示意圖。

圖3為本發(fā)明實施例異構(gòu)平臺中FPGA的框架結(jié)構(gòu)示意圖。

圖4為本發(fā)明實施例異構(gòu)平臺控制引擎的調(diào)度流程示意圖。

圖5為本發(fā)明實施例異構(gòu)平臺調(diào)度計算引擎的流程示意圖。

圖6為本發(fā)明實施例異構(gòu)平臺調(diào)度計算引擎判斷是否適合GPU加速的流程示意圖。

圖7為本發(fā)明實施例異構(gòu)平臺調(diào)度解讀引擎的流程示意圖。

圖8為本發(fā)明實施例異構(gòu)平臺調(diào)度解讀引擎判斷是否適合GPU加速的流程示意圖。

圖例說明：1、異構(gòu)處理器單元；11、控制引擎；12、計算引擎；13、解讀引擎；2、互聯(lián)總線模塊；21、HCCLink總線模塊；22、HNCLink總線模塊；3、內(nèi)存；4、基因計算解讀數(shù)據(jù)指令輸入單元；5、基因計算解讀結(jié)果輸出單元。

具體實施方式

如圖1和圖2所示，本實施例的面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺包括異構(gòu)處理器單元1、互聯(lián)總線模塊2、內(nèi)存3、基因計算解讀數(shù)據(jù)指令輸入單元4和基因計算解讀結(jié)果輸出單元5，異構(gòu)處理器單元1分別通過互聯(lián)總線模塊2與內(nèi)存3、基因計算解讀數(shù)據(jù)指令輸入單元4、基因計算解讀結(jié)果輸出單元5相連，異構(gòu)處理器單元1包括CPU（Central Processing Unit, 中央處理器）、GPU（Graphics Processing Unit, 圖形處理器）、DSP（Digital Signal Processor, 數(shù)字信號處理器）和FPGA（Field Programmable Gate Array, 現(xiàn)場可編程門陣列），其中，CPU構(gòu)成控制引擎11，CPU、GPU、FPGA三者構(gòu)成計算引擎12，CPU、GPU、DSP三者構(gòu)成解讀引擎13，控制引擎11在通過基因計算解讀數(shù)據(jù)指令輸入單元4接收基因計算解讀數(shù)據(jù)指令并分割為代碼段，當代碼段的任務(wù)類型為控制任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度CPU進行處理；當代碼段的任務(wù)類型為計算任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度計算引擎12進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元5輸出；當代碼段的任務(wù)類型為解讀任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度解讀引擎13進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元5輸出。

本實施例中，CPU數(shù)量可以為一個或者多個，每個CPU包括一個或多個處理器核（Processor Core），GPU數(shù)量可以為一個或者多個，DSP數(shù)量可以為一個或者多個，F(xiàn)PGA數(shù)量可以為一個或者多個，CPU、GPU、DSP和FPGA四者中任意個體之間能夠基于互聯(lián)總線模塊2進行互聯(lián)并交換數(shù)據(jù)和指令，而且能夠基于互聯(lián)總線模塊2實現(xiàn)和內(nèi)存3、基因計算解讀數(shù)據(jù)指令輸入單元4和基因計算解讀結(jié)果輸出單元5中的任意設(shè)備進行互聯(lián)并交換數(shù)據(jù)和指令。毫無疑問，實現(xiàn)上述設(shè)備部件之間互聯(lián)并交換數(shù)據(jù)和指令的總線形式并不局限于特定互聯(lián)方式，可以根據(jù)需要采用各種具體的實現(xiàn)方式。

如圖3所示，F(xiàn)PGA包括交叉開關(guān)（Crossbar）、IO控制單元和加速器單元，IO控制單元、加速器單元分別和交叉開關(guān)相連，加速器單元包括用于實現(xiàn)隱馬爾可夫模型計算硬件加速的隱馬爾可夫模型（Hidden Markov Model，HMM）計算加速器、用于實現(xiàn)哈希計算硬件加速的哈希函數(shù)(Hash function)計算加速器兩者，IO控制單元與互聯(lián)總線模塊2相連。本實施例中，交叉開關(guān)具體采用高級可擴展接口（Advanced eXtensible Interface，AXI）交叉開關(guān)。此外，加速器單元也可以根據(jù)需要選擇單個隱馬爾可夫模型計算加速器、或單個哈希函數(shù)計算加速器、或者同時采用更多其他類似的硬件加速器，以用于硬件加速實現(xiàn)其它計算。

如圖3所示，IO控制單元包括PCIE（Peripheral Component Interconnect Express，快速外部組件互聯(lián)）接口、DMA（Direct Memory Access，直接存儲訪問）控制器、PIU（Peripheral Interface Unit，外圍接口部件）外圍接口部件和DDR控制器，交叉開關(guān)分別與DMA控制器、PIU外圍接口部件和DDR控制器相連，DMA控制器、PIU外圍接口部件之間相互連接，PCIE接口與DMA控制器相連，PCIE接口、DDR控制器分別與互聯(lián)總線模塊2相連。DDR控制器用于DDR訪問，為大容量數(shù)據(jù)提供存儲，本實施例中DDR控制器具體采用DDR4控制器。上述PCIE接口、上述DMA控制器、上述PIU合作用于在上述FPGA和上述CPU之間，以及在上述FPGA和上述GPU之間，傳輸數(shù)據(jù)和指令；上述交叉開關(guān)用于上述DMA控制器、上述PIU外圍接口部件、上述DDR控制器、上述隱馬爾可夫模型計算加速器、上述哈希函數(shù)計算加速器和上述其它加速器之間的互連，為它們之間的數(shù)據(jù)和指令傳輸提供通路。

如圖1所示，互聯(lián)總線模塊2包括HCCLink（Heterogeneous computing Cache Coherence Link，異構(gòu)計算存儲一致性互聯(lián)）總線模塊21和HNCLink（Heterogeneous computing Non-Coherence Link，異構(gòu)計算非一致性互聯(lián)）總線模塊22，CPU、GPU、DSP和FPGA分別通過HCCLink總線模塊21和內(nèi)存3相連，且CPU、GPU、DSP和FPGA分別通過HNCLink總線模塊22和基因計算解讀數(shù)據(jù)指令輸入單元4以及基因計算解讀結(jié)果輸出單元5相連。HCCLink總線模塊21用于上述CPU、上述FPGA、上述GPU和上述DSP與上述DDR4存儲器陣列之間進行互聯(lián)并交換數(shù)據(jù)、指令。HNCLink總線模塊22用于上述CPU、上述FPGA、上述GPU和上述DSP之間進行互聯(lián)并交換控制指令；用于上述CPU、上述FPGA、上述GPU和上述DSP與上述輸入/輸出設(shè)備（I/O）之間進行互聯(lián)并交換數(shù)據(jù)、指令。

本實施例中，內(nèi)存3為DDR4存儲器陣列（Memory Array）。

本實施例中，基因計算解讀數(shù)據(jù)指令輸入單元4包括輸入設(shè)備、通用接口模塊、網(wǎng)絡(luò)接口模塊、多媒體輸入接口模塊、外部存儲設(shè)備、傳感器中的至少一種。本實施例中，輸入設(shè)備包括鍵盤、鼠標、軌跡球和觸控板中的至少一種，通用接口模塊包括邊界掃描接口模塊、通用串行總線接口模塊中的至少一種，網(wǎng)絡(luò)接口模塊包括以太網(wǎng)接口模塊、長期演進LTE接口模塊、Wi-Fi接口模塊、藍牙接口模塊中的至少一種，多媒體輸入接口模塊包括模擬音頻輸入接口、數(shù)字音頻輸入接口、視頻輸入接口中的至少一種，外部存儲設(shè)備包括閃存FLASH、固態(tài)硬盤SSD中的至少一種，傳感器包括溫度傳感器、心率測量傳感器、指紋傳感器中的至少一種。

本實施例中，基因計算解讀結(jié)果輸出單元5包括顯示設(shè)備、通用接口模塊、網(wǎng)絡(luò)接口模塊、多媒體輸出接口模塊、外部存儲設(shè)備中的至少一種。本實施例中，顯示設(shè)備包括陰極射線管CRT、液晶顯示器LCD、發(fā)光二極管LED中的至少一種，通用接口模塊包括邊界掃描接口模塊、通用串行總線接口模塊中的至少一種，網(wǎng)絡(luò)接口模塊包括以太網(wǎng)接口模塊、長期演進LTE接口模塊、Wi-Fi接口模塊、藍牙接口模塊中的至少一種，多媒體輸出接口模塊包括模擬音頻輸出接口、數(shù)字音頻輸出接口、視頻輸出接口中的至少一種，外部存儲設(shè)備包括閃存FLASH、固態(tài)硬盤SSD中的至少一種。

如圖4所示，控制引擎11在通過基因計算解讀數(shù)據(jù)指令輸入單元4接收基因計算解讀數(shù)據(jù)指令并分割為代碼段，然后根據(jù)代碼段的任務(wù)類型對CPU、GPU、FPGA三者構(gòu)成的計算引擎12，CPU、GPU、DSP三者構(gòu)成的解讀引擎13進行綜合調(diào)度：當代碼段的任務(wù)類型為控制任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度CPU進行處理；當代碼段的任務(wù)類型為計算任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度計算引擎12進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元5輸出；當代碼段的任務(wù)類型為解讀任務(wù)時，將代碼段的指令和數(shù)據(jù)調(diào)度解讀引擎13進行處理并將計算結(jié)果通過基因計算解讀結(jié)果輸出單元5輸出。

本實施例中，CPU的功能如下：用于調(diào)度控制一個或多個FPGA，和一個或多個FPGA交互數(shù)據(jù)和指令；用于調(diào)度控制一個或多個GPU，和一個或多個GPU交互數(shù)據(jù)和指令；用于調(diào)度控制一個或多個DSP，和一個或多個DSP交互數(shù)據(jù)和指令；用于和一個或多個存儲器交互數(shù)據(jù)和指令；用于接收和處理一個或多個輸入設(shè)備輸入的數(shù)據(jù)和指令；用于發(fā)送數(shù)據(jù)和指令到一個或多個輸出設(shè)備；在基因數(shù)據(jù)計算流程中，用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)，用于和一個或多個FPGA及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)；在基因數(shù)據(jù)解讀流程中，用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)，用于和一個或多個DSP及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)；在基因數(shù)據(jù)計算解讀流程中，用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)，用于和一個或多個FPGA及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)，用于和一個或多個DSP及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)。

本實施例中，F(xiàn)PGA的功能如下：用于和一個或多個CPU交互數(shù)據(jù)和指令；可以用于調(diào)度控制一個或多個GPU，和一個或多個GPU交互數(shù)據(jù)和指令；可以用于調(diào)度控制一個或多個DSP，和一個或多個DSP交互數(shù)據(jù)和指令；用于和一個或多個存儲器交互數(shù)據(jù)和指令；可以用于接收和處理一個或多個輸入設(shè)備輸入的數(shù)據(jù)和指令；可以用于發(fā)送數(shù)據(jù)和指令到一個或多個輸出設(shè)備；在基因數(shù)據(jù)計算流程中，用于和一個或多個CPU及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)，可以用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)；在基因數(shù)據(jù)解讀流程中，可以用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)，可以用于和一個或多個DSP及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)；在基因數(shù)據(jù)計算解讀流程中，用于和一個或多個CPU及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)，可以用于和一個或多個DSP及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)，可以用于執(zhí)行調(diào)度任務(wù)、事物型任務(wù)。

本實施例中，GPU的功能如下：用于和一個或多個CPU交互數(shù)據(jù)和指令；可以用于和一個或多個FPGA交互數(shù)據(jù)和指令；可以用于和一個或多個DSP交互數(shù)據(jù)和指令；用于和一個或多個存儲器交互數(shù)據(jù)和指令；在基因數(shù)據(jù)計算流程中，用于和一個或多個FPGA及一個或多個CPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)；在基因數(shù)據(jù)解讀流程中，用于和一個或多個DSP及一個或多個CPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)；在基因數(shù)據(jù)計算解讀流程中，用于和一個或多個FPGA及一個或多個CPU配合執(zhí)行基因數(shù)據(jù)計算任務(wù)，用于和一個或多個DSP及一個或多個CPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)。

本實施例中，DSP的功能如下：用于和一個或多個CPU交互數(shù)據(jù)和指令；可以用于和一個或多個FPGA交互數(shù)據(jù)和指令；可以用于和一個或多個GPU交互數(shù)據(jù)和指令；用于和一個或多個存儲器交互數(shù)據(jù)和指令；可以用于接收和處理一個或多個輸入設(shè)備輸入的數(shù)據(jù)和指令；可以用于發(fā)送數(shù)據(jù)和指令到一個或多個輸出設(shè)備；在基因數(shù)據(jù)解讀流程中，用于和一個或多個CPU及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)；在基因數(shù)據(jù)計算解讀流程中，用于和一個或多個CPU及一個或多個GPU配合執(zhí)行基因數(shù)據(jù)解讀任務(wù)。

本實施例中，內(nèi)存3的功能如下：用于存儲一個或多個基因測序數(shù)據(jù)，基因測序數(shù)據(jù)為原始數(shù)據(jù)和/或壓縮數(shù)據(jù)，壓縮數(shù)據(jù)不限定壓縮算法；用于存儲一個或多個基因參考序列及其對應的一個或多個標記；用于存儲一個或多個已知基因變異數(shù)據(jù)；用于存儲和基因數(shù)據(jù)計算相關(guān)的其它輸入數(shù)據(jù)；用于存儲和基因數(shù)據(jù)解讀相關(guān)的其它輸入數(shù)據(jù)；用于存儲和基因數(shù)據(jù)計算解讀相關(guān)的其它輸入數(shù)據(jù)；在基因數(shù)據(jù)計算流程中，用于存儲中間結(jié)果和最終數(shù)據(jù)；在基因數(shù)據(jù)解讀流程中，用于存儲中間結(jié)果和最終數(shù)據(jù)；在基因數(shù)據(jù)計算解讀流程中，用于存儲中間結(jié)果和最終數(shù)據(jù)；不限定存儲器種類，例如DDR3（Dual Data Rate 3），DDR4等。

本實施例中，基因計算解讀數(shù)據(jù)指令輸入單元4的功能如下：用于輸入基因數(shù)據(jù)計算流程所需的數(shù)據(jù)和指令；用于輸入基因數(shù)據(jù)解讀流程所需的數(shù)據(jù)和指令；用于輸入基因數(shù)據(jù)計算解讀流程所需數(shù)據(jù)和指令；不限定輸入設(shè)備種類，例如鍵盤（Keyboard）、鼠標（Mouse）、軌跡球（Trackball）、觸控板（touch pad）等輸入設(shè)備，或者邊界掃描（Joint Test Action Group，JTAG），通用串行總線（Universal Serial Bus，USB）等通用接口，或者以太網(wǎng)（Ethernet）、長期演進（Long Term Evolution，LTE）、無線保真（Wireless-Fidelity，Wi-Fi）、藍牙（Bluetooth）等網(wǎng)絡(luò)端口，或者模擬音頻輸入接口（如3.5mm立體聲小三芯接口）、數(shù)字音頻輸入接口（如索尼和飛利浦數(shù)字接口Sony/Philips Digital Interface，S/PDIF）、視頻輸入接口（如高清晰度多媒體接口High Definition Multimedia Interface，HDMI）等多媒體接口，或者閃存（FLASH）、固態(tài)硬盤（Solid State Drives，SSD）等外部存儲設(shè)備，或者溫度傳感器（測量體溫）、光學傳感器（測量心率）、指紋傳感器（采集指紋）等傳感器（Sensor）；不限定輸入數(shù)據(jù)和指令的形式，例如電信號、文本、圖片、語音、音頻、視頻等和它們的任意組合。

本實施例中，基因計算解讀結(jié)果輸出單元5的功能如下：用于輸出基因數(shù)據(jù)計算流程所生成的數(shù)據(jù)和指令；用于輸出基因數(shù)據(jù)解讀流程所生成的數(shù)據(jù)和指令；用于輸出基因數(shù)據(jù)計算解讀流程所生成的數(shù)據(jù)和指令；不限定輸出設(shè)備種類，例如陰極射線管（CRT）、液晶顯示器（LCD）、發(fā)光二極管（LED）等顯示設(shè)備，或者JTAG、USB等通用接口設(shè)備，或者Ethernet、LTE、Wi-Fi、Bluetooth等網(wǎng)絡(luò)端口，或者模擬音頻輸出接口（如3.5mm立體聲小三芯接口）、數(shù)字音頻輸出接口（如S/PDIF）、視頻輸出接口（如HDMI）等多媒體接口；或者固態(tài)硬盤（Solid State Drives，SSD）等外部存儲設(shè)備，不限定輸出數(shù)據(jù)和指令的形式，例如電信號、文本、圖片、語音、音頻、視頻等和它們的任意組合。參見圖1，基因計算解讀數(shù)據(jù)指令輸入單元4和基因計算解讀結(jié)果輸出單元5之間可以基于部分共同的設(shè)備實現(xiàn)，例如通用接口模塊、網(wǎng)絡(luò)接口模塊、外部存儲設(shè)備等。

如圖4和圖5所示，將代碼段的指令和數(shù)據(jù)調(diào)度計算引擎12進行處理的詳細步驟包括：

A1）分別判斷代碼段是否能進行指令并行執(zhí)行，是否能進行流水線執(zhí)行，是否能進行數(shù)據(jù)并行執(zhí)行，如果三者均不能，則跳轉(zhuǎn)執(zhí)行步驟A7），退出；否則，跳轉(zhuǎn)執(zhí)行步驟A2）；

A2）判斷代碼段是否只能進行數(shù)據(jù)并行執(zhí)行，如果只能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟A3）；否則，跳轉(zhuǎn)執(zhí)行步驟A6）；

A3）判斷代碼段分派到FPGA上優(yōu)化執(zhí)行（即并行執(zhí)行，下同）的總開銷少于代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷是否成立，代碼段分派到FPGA上優(yōu)化執(zhí)行的總開銷包括CPU和FPGA之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、FPGA的訪存開銷以及FPGA的計算開銷，代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟A6）；否則，跳轉(zhuǎn)執(zhí)行步驟A4）；

A4）判斷代碼段是否是能耗優(yōu)先，如果是能耗優(yōu)先，則跳轉(zhuǎn)執(zhí)行步驟A6）；否則，跳轉(zhuǎn)執(zhí)行步驟A5）；

A5）判斷代碼段的基因計算是否適合GPU加速處理，如果適合GPU加速處理，則跳轉(zhuǎn)執(zhí)行步驟A8）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A6）綜合利用FPGA所有可能的加速方法，加速方法包括指令并行、流水線、數(shù)據(jù)并行中的至少一種，判斷代碼段分派到FPGA上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，如果成立，則跳轉(zhuǎn)執(zhí)行步驟A9），否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A7）將代碼段的指令和數(shù)據(jù)調(diào)度CPU處理，退出；

A8）將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出；

A9）將代碼段的指令和數(shù)據(jù)調(diào)度FPGA處理，退出。

如圖6所示，步驟A5）的詳細步驟包括：

A5.1）判斷代碼段的基因計算是否能進行數(shù)據(jù)并行執(zhí)行，如果能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟A5.2）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）；

A5.2）判斷代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，代碼段分派到GPU上優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟A8）；否則，跳轉(zhuǎn)執(zhí)行步驟A7）。

如圖4和圖7所示，將代碼段的指令和數(shù)據(jù)調(diào)度解讀引擎13進行處理的詳細步驟包括：

B1）分別判斷代碼段是否為數(shù)字信號處理，是否為非圖形圖像類多媒體處理，是否為圖形圖像處理，如果三者都不是，則跳轉(zhuǎn)執(zhí)行步驟B7）；否則，跳轉(zhuǎn)執(zhí)行步驟B2）；

B2）判斷代碼段是否為圖形圖像處理，如果是圖形圖像處理，則跳轉(zhuǎn)執(zhí)行步驟B3）；否則，跳轉(zhuǎn)執(zhí)行步驟B5）；

B3）判斷代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷少于代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷是否成立，代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷包括CPU和DSP之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、DSP的訪存開銷以及DSP的計算開銷，代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B5）；否則，跳轉(zhuǎn)執(zhí)行步驟B4）；

B4）判斷代碼段是否是能耗優(yōu)先，如果是能耗優(yōu)先，則跳轉(zhuǎn)執(zhí)行步驟B5）；否則，跳轉(zhuǎn)執(zhí)行步驟B7）

B5）判斷代碼段分派到DSP上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B6）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B6）將代碼段的指令和數(shù)據(jù)調(diào)度DSP處理，退出；

B7）判斷代碼段的基因解讀是否適合GPU加速處理，如果代碼段的基因解讀適合GPU加速處理，則將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B8）將代碼段的指令和數(shù)據(jù)調(diào)度CPU處理，退出。

如圖8所示，步驟B7）的詳細步驟包括：

B7.1）判斷代碼段是否為圖形圖像處理，如果是圖形圖像處理，則跳轉(zhuǎn)執(zhí)行步驟B7.3）；否則，跳轉(zhuǎn)執(zhí)行步驟B7.2）；

B7.2）判斷代碼段是否能進行數(shù)據(jù)并行執(zhí)行，如果能進行數(shù)據(jù)并行執(zhí)行，則跳轉(zhuǎn)執(zhí)行步驟B7.3）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B7.3）判斷代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷少于代碼段在CPU上執(zhí)行的總開銷是否成立，所述代碼段分派到GPU上并且優(yōu)化執(zhí)行的總開銷包括CPU和GPU之間交互數(shù)據(jù)和指令產(chǎn)生的通信開銷、GPU的訪存開銷以及GPU的計算開銷，所述代碼段在CPU上執(zhí)行的總開銷包括CPU的訪存開銷以及CPU的計算開銷，如果成立則跳轉(zhuǎn)執(zhí)行步驟B7.4）；否則，跳轉(zhuǎn)執(zhí)行步驟B8）；

B7.4）將代碼段的指令和數(shù)據(jù)調(diào)度GPU處理，退出。

綜上所述，本實施例的面向基因數(shù)據(jù)計算解讀的異構(gòu)平臺能夠以更低的成本，滿足高性能基因數(shù)據(jù)計算的實時性和準確性要求，滿足高認知基因數(shù)據(jù)解讀的精準性和可讀性要求。

以上所述僅是本發(fā)明的優(yōu)選實施方式，本發(fā)明的保護范圍并不僅局限于上述實施例，凡屬于本發(fā)明思路下的技術(shù)方案均屬于本發(fā)明的保護范圍。應當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理前提下的若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。