1. 安装 Nvidia 显卡驱动

安装 Nvidia 显卡驱动，得要禁用 CentOS 默认的 nouveau 驱动，然后安装 Nvidia 驱动

下载显卡驱动
# wget  http://cn.download.nvidia.com/XFree86/Linux-x86_64/340.65/NVIDIA-Linux-x86_64-340.65.run

禁用 Nvidia 显卡驱动
# echo "blacklist nouveau" >> /etc/modprobe.d/blacklist.conf

备份并重建系统引导的 image 文件
# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
# dracut -v /boot/initramfs-$(uname -r).img $(uname -r)

重启后在 init3 模式下安装显卡驱动
# init 3
# sh NVIDIA-Linux-x86_64-340.65.run

2. 检测显卡性能参数

推荐使用 CUDA-Z 来检测显卡性能参数。正常使用 CUDA-Z 需要依赖一些库文件和 GCC 。

$ wget http://downloads.sourceforge.net/project/cuda-z/cuda-z/0.9/CUDA-Z-0.9.231.run
$ mv CUDA-Z-0.9.231.run ~/bin/CUDA-Z

运行 CUDA-Z 前安装如下一些系统软件
$ sudo yum install libXrender*
$ sudo yum install libXrender*i686*
$ sudo yum install libXext*
$ sudo yum install libXext*i686*
$ sudo yum install libz*
$ sudo yum install libz*i686*
将 GCC 的库文件路径设置正确
$ export C_INCLUDE_PATH=/opt/gcc-4.7.2/include
$ export LD_LIBRARY_PATH=/opt/gcc-4.7.2/lib64:/opt/gcc-4.7.2/lib

运行 CUDA-Z 图形化界面，界面和 windows 下的 CPU-Z 一致。
$ CUDA-Z

显卡一些高级常识，例如：
我的笔记本电脑 GTX570M 显卡： 该 GPU 有 7个 SM，每个 SM 有 48 个 SP，每个 SP 有 32 个 warp； SP 称为流处理器，该值越大，则显卡性能越好； warp 是最小的硬件执行单位，则该显卡最大的线程数是 7*48*32=10752。
SM 之间可以理解是物理隔绝的，不同的 SM 的计算是独立的。将数据用显卡进行计算时，进行并行计算时，我个人理解成这样： 把运行的程序做成很多小份进行并行计算；所有的并行计算的总体称为 Grid，并行运算的最小单元为 thread；gpu-blast在默认设置中，将 64 个 threads 合并为 1 个 block，因此 1 个 block 的运行需要 2 个 SP 进行运算；gpu-blast在默认设置中，运行一个程序，将之分割成 521 个 blocks， 这 512 个 blocks 则需要 1024 个 SP 进行运算，可以达到最快的运算速度。所以，如果 GPU 的 SP 总数超过 1024， 则不能完全发挥显卡的性能。
对于 GTX570M 显卡，我设置 gpu-blast 的参数 -gpu_threads 32 -gpu_blocks 336 我觉得是比较好的。这样，将 blast 程序分割为 336 个 blocks 进行并行计算；将所有的 block 分配给所有的 SP ，刚好每个 SP 都运行 32 线程。但实际上，使用 gpu-blast 默认的参数也更好地发挥显卡性能，我个人实验结果是，-gpu_threads 128 -gpu_blocks 512 的结果更加不错。

3. 安装 CUDA Toolkits

CUDA 的下载网址： https://developer.nvidia.com/cuda-downloads

$ wget http://developer.download.nvidia.com/compute/cuda/6_5/rel/installers/cuda_6.5.14_linux_64.run
$ sudo init 3
# sh cuda_6.5.14_linux_64.run

4. 安装 GPU-Blast

GPU-Blast官网： http://archimedes.cheme.cmu.edu/?q=gpublast
GPU-Blast 提供的最高 blast 版本是 2.2.28 版本，需要 ncbi-blast 同版本源码文件支持。

$ mkdir /opt/biosoft/gpu_blast
$ cd /opt/biosoft/gpu_blast

从源码包安装 ncbi-blast 2.2.28 版本（此步骤可选）
$ wget ftp://ftp.ncbi.nih.gov/blast/executables/blast+/2.2.28/ncbi-blast-2.2.28+-src.tar.gz
$ tar zxf ncbi-blast-2.2.28+-src.tar.gz
$ cd ncbi-blast-2.2.28+-src/c++
$ ./configure && make -j 8 

安装 GPU-Blast 前需要将 CUDA Toolkits 的库文件与头文件加入到能识别的路径
$ echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib:/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
$ echo 'export C_INCLUDE_PATH=/usr/local/cuda/include/:$C_INCLUDE_PATH' >> ~/.bashrc
$ source ~/.bashrc

下载并安装 GPU-Blast
$ wget http://eudoxus.cheme.cmu.edu/gpublast/gpu-blast-1.1_ncbi-blast-2.2.28.tar.gz 
$ tar zxf gpu-blast-1.1_ncbi-blast-2.2.28.tar.gz
$ perl -p -i -e 's/LATEST/2.2.28/' install
$ perl -p -i -e 's/make /make -j /' install
$ ./install
Do you want to install GPU-BLAST on an existing installation of "blastp" [yes/no]
如果输入 no 则会自动下载 ncbi-blast-2.2.28+-src.tar.gz，并进行安装，需要做上述修改，否则下载地址不正确。同时，默认下 make 编译是单线程运行，加入 -j 参数来并行运算，从而加快编译速度。
如果选择 yes，则需要输入 blastp 的路径，该路径是 blastp 的编译后所在的路径，而不是安装路径。输入 /opt/biosoft/gpu_blast/ncbi-blast-2.2.28+-src/c++/GCC447-Debug64/bin/ ， 按 Enter 进行安装。

安装完毕后，将程序文件所在路径加入环境变量 PATH
$ ln -s ncbi-blast-2.2.28+-src/c++/GCC447-ReleaseMT64/bin/ bin
$ echo 'PATH=$PATH:/opt/biosoft/gpu_blast/bin' >> ~/.bashrc
$ source ~/.bashrc

安装完毕后，程序文件位于

4. 运行 GPU-Blast

以 Swissprot 数据库为例：

首先，以 fasta 文件构建 blast 数据库，需要加入 -sort_volumes 参数
$ makeblastdb -dbtype prot -in uniprot_sprot.fasta -out uniprot_sprot -sort_volumes -max_file_sz 500MB

然后，在普通 blast 数据库基础上构建 gpu 数据库。使用 -method 2 参数生成 gpu 数据库文件
$ blastp -db uniprot_sprot -query test.fa -gpu t -method 2

再使用 -gpu t 运用 gpu_blast，否则是单纯用 CPU 进行计算
$ blastp -db uniprot_sprot -query test.fa -gpu t

使用 gpu_blast 确实能加快速度，在软件的示例中，在 -num_threads 2 下，GPU 有 2.5 倍的加速。
我的使用经验： 对 40 条蛋白序列使用 blastp 比对到 Swissprot 数据库， 设置 -num_threads 8， gpu_blast 耗时 1m41.053s， cpu_blast 耗时 0m52.264s； 对 8 条蛋白质序列使用 blastp 比对到 Swissprot 数据库， 设置 -num_threads 2，gpu_blast 耗时 0m7.892s， cpu_blast 耗时 0m12.717s；对同样 8 条蛋白质序列使用 blastp 比对到 Swissprot 数据库， 设置 -num_threads 8，gpu_blast 耗时 0m5.288s， cpu_blast 耗时 0m5.836s；
个人使用感觉： 虽然有 GPU 加速，但是依然需要耗费大量 CPU，而不是只运用了 GPU 进行计算； 如果 CPU 本身运行速度较快的时候，使用 GPU 加速的比率则较低了。