FPGA Accelerated Analysis of Boolean Gene Regulatory Networks

Abstract

Boolean models are a powerful abstraction for qualitative modeling of gene regulatory networks. With the recent availability of advanced high-throughput technologies, Boolean models have increasingly grown in size and complexity, posing a challenge for existing software simulation tools that have not scaled at the same speed. Field Programmable Gate Arrays (FPGAs) are powerful reconfigurable integrated circuits that can offer massive performance improvements. Due to their highly parallel nature, FPGAs are well suited to simulate complex molecular networks. We present here a new simulation framework for Boolean models, which first converts the model to Verilog, a standardized hardware description language, and then connects it to an execution core that runs on an FPGA coherently attached to a POWER8 processor. We report an order of magnitude speedup over a multi-threaded software simulation tool running on the same processor on a selection of Boolean models. Analysis on a T-cell large granular lymphocyte leukemia (T-LGL) demonstrates that our framework achieves consistent performance improvements resulting in new biological insights. In addition, we show that our solution allows to perform attractor detection at an unprecedented speed, exhibiting a speedup ranging from one to three orders of magnitude compared to alternative software solutions.

Aceleradores com CGRAs para Redes Reguladoras de Genes

“…Este processo pode ser realizado de forma eficiente em um FPGA, onde todas as func ¸ões são atualizadas em paralelo. As implementac ¸ões apresentadas em [da Silva et al 2017] e [Manica 2019] mapeiam a rede reguladora no FPGA, gerando ganhos de desempenho de 10 a 1.000 vezes em relac ¸ão a uma implementac ¸ão em CPU. Apesar do alto desempenho, caso seja necessário modificar a rede, o processo de compilac ¸ão para o FPGA deve ser repetido, o que pode demorar horas.…”

“…Uma rede reguladora representada como grafo Booleano tem um mapeamento direto em FPGAs, que foi explorado por vários trabalhos [Zerarka et al 2004, Ferreira and Vendramini 2010, Miskov-Zivanov et al 2011, da Silva et al 2017, Manica 2019. Uma implementac ¸ão com rede Booleana probabilística usando redes sintéticas foi apresentada por [Zerarka et al 2004] e comparada com resultados em Matlab.…”

“…Redes usando lógica de limiar foram propostas em [Gowda 2007] para implementac ¸ão em silício avaliando a complexidade dos números de entradas e saídas de cada gene. Outras implementac ¸ões em FPGA descritas em Verilog para redes Booleanas foram apresentadas em [Miskov-Zivanov et al 2011] e [Manica 2019] mostrando um ganho de desempenho comparado ao simulador Booleanet implementado em software [Albert et al 2008]. Enquanto os trabalhos anteriores foram apenas simulados ou avaliados em placas isoladas, para simplificar a tarefa de projeto e disponibilizar as ferramentas para comunidade em geral, um gerador de código para FPGA com acesso nas plataformas de nuvem foi proposto em [da Silva et al 2017] e [Braganc ¸a et al 2021] que executam na plataforma HARP da Intel e nos FPGAs da Xilinx na Amazon.…”

“…Uma soluc ¸ão é o uso de hardware reconfigurável como os FPGAs [Manica 2019]. Um FPGA é um circuito que pode ser configurado a nível de hardware para se adaptar ao problema.…”

Gene regulatory accelerators on cloud FPGA

“…8 Moreover, there are also parallel approaches using GPUs, 12,13 and FPGA-based hardware accelerators. 14,15 It is possible to map Boolean networks to hardware using FPGAs, as shown in previous work. 14,16 However, developing applications for FPGA is a challenging task, and even using high-level languages such as HLS (High-Level Synthesis) is not trivial for programmers or, in this case, for biologists who study these types of networks.…”