生醫資訊和生命科學
序列和蛋白質接合為重度運算的任務，因此在使用支援CUDA的GPU後，更可以明顯看出效能提升所帶來的好處。
NVIDIA Tesla Bio Workbench的推出，提供給生命科學家與計算化學家挑戰生化研究極致結果的利器，以優化科學工作流程並加速研究速度。了解更多相關資訊。
 |
 |
| 利用GPU加速HMMER 可利用的資訊學 |
利用GPU提高DNA序列比對的效率 Schatz, et al |
專攻生醫資訊和生命科學之獨立軟體開發商(ISV)及採用CUDA的應用程式
| 獨立軟體開發商(ISV) | 說明 | GPU優勢 |
| 利用NCBI BLASTP進行蛋白質序列資料庫掃描 | 速度加快十倍：從CPU處理需數分鐘，縮短至GPU僅需幾秒鐘 | |
| 蛋白序列資料庫(Smith-Waterman)掃描 | 速度加快五至五十倍：在長度超過5000的字串上可達到30 GCUPs | |
| 基於CUDA的HMMER加速 | 速度加快六十至一百倍： 從CPU處理需數小時，縮短至GPU僅需幾分鐘 | |
| 蛋白質交互作用應用程式 | 速度加快六倍: 優於基於FPGA的蛋白質對接 | |
| 分子形狀比較應用程式 | 速度加快170倍：以更快的速度篩選藥物發現 (請參考投影片第43張) |
使用CUDA的生醫資訊軟體
- GPU HMMER :在支援CUDA的GPU上執行HMMER
- MUMmerGPU:使用CUDA提高DNA序列比對的效率
- CUDASW++ : 利用支援CUDA的GPU進行蛋白序列資料庫 (Smith-Waterman)掃描
- GPU 上的 Smith-Waterman 代碼
- 線上CUDA Smith-Waterman
- 採用CUDA的ClustalW : 使用CUDA的多重序列排比
- 蛋白質摺疊研究計畫Folding @ home使用支援CUDA的GPU
- LISSOM:人類大腦新皮質模型使用CUDA
- Silicom Informatics推出基於CUDA的AutoDock
- 序列比對
- 接合
- High-performance computational pipeline for metagenomic data analysis
- MrBayes on GPU
- 針對生物系統的隨機模擬演算
- 人類視覺皮質區的自我組織運算模型
- DNA微陣列工具，以GPU計算配對歐氏距離檢驗基因型式