Le séquençage et le docking des protéines sont des tâches de calcul très exigeantes pouvant être optimisées avec l’utilisation de GPU compatibles avec CUDA. De nombreux projets actuels utilisent le GPU pour améliorer leurs codes dans le domaine de la bio-informatique et des sciences biologiques.
Le lancement de l’initiative NVIDIA Tesla Bio Workbench permet aux biophysiciens et aux chimistes de repousser les limites de la recherche biochimique, ce qui permet d’optimiser le flux de travail et d’accélérer les avancées de la recherche. En savoir plus.
![]() |
![]() |
| Les GPU permettent d’accélérer HMMER Informatique évolutive |
MUMmerGPU : Les GPU permettent d’améliorer la vitesse d’alignement des séquences ADN Schatz, et al |
Principaux éditeurs et applications de bio-informatique utilisant CUDA
| Éditeur / Application | Fonctions principales | Accélération théorique* | Statut |
| GPU-Blast | Alignement de protéines, requêtes protéiques multiples. | 10x | Disponible |
| PIPER Protein Docking | Docking moléculaire | 17x | Disponible |
| SeqNFind | Smith-Waterman | 60x | Disponible |
| UGene | Smith Waterman, alignement de séquences ADN | 9x | Disponible |
| CUDASW++ | Smith-Waterman | 10x-50x | Disponible |
| GPU HMMER | Outil hmmsearch | 60x-100x | Disponible |
*Accélération théorique par rapport à un système basé sur un CPU quad-core x64. Données calculées en interne par NVIDIA ou fournies par l’éditeur de l’application..
Logiciels de bio-informatique utilisant CUDA
Rapports techniques sur la bio-informatique et CUDA
Méthodes d’accélération CUDA connexes
Voir aussi