生物基因序列分析在生物学等领域有非常重要的价值。通过多序列比对(MSA)可获得生物遗传规律等信息。通常,MSA是将一条或多条测序获得的新基因序列同已经存储于数据库中的其他基因进行比对。但是当前测序技术只能产生有限长度的短序列,需要先将他们进行组装以重建完整基因序列,然后再将组装获得的新基因序列应用于MSA。生物数据集的快速增长使得基因数据分析面临内存需求大、时间需求长等许多挑战。利用CPU与GPU共同构成的异构环境进行基因序列分析算法的并行优化已经成为重要的发展趋势。在基因组组装算法中,de Bruijn图被广泛使用。但是由于内存限制,大量的中间数据使得构建完整的de Bruijn图异常困难,涉及的密集计算也使得组装时间太长。而在MSA领域,近年来许多生物信息学研究机构为用户提供共享服务器。多用户在共享服务器上提交的MSA任务经常处理相似数据集,有机会彼此共享计算中间结果,从而避免冗余计算。基于以上问题,我们在CPU与GPU共同构成的异构平台上设计实现了GMSP组装系统和SMSA多序列比对系统。首先,我们提出了基因组组装系统GMSP。测序产生的新基因短序列在进行多序列比对之前,需要通过组装器拼接短序列以重构完整序列。首先,使用最小子串分区(MSP)算法将数据分区成小的数据块。其次,利用布隆过滤器过滤无效节点,并设计哈希表来存放图信息。第三,对数据进行压缩并重新编码碱基字符以降低I/O消耗。最后,利用流水线重叠数据传输和计算时间以隐藏部分计算(或传输)时间,提高程序整体的时间性能。实验表明GMSP系统可以获得高达25倍的加速。其次,我们提出了基于共享的多序列比对系统SMSA。通过组装器获得完整的新基因序列后,MSA将对其进行多序列比对。SMSA考虑了用户间的数据共享,以加速来自多个用户的计算。此外,SMSA还设计了一种基于MSA作业之间数据集或任务的相似性的调度策略并采用co-run计算模型。实验结果表明,SMSA可以实现高达32倍的加速。