基于质谱的非标记定量是定量蛋白质组学中一个较为重要的新课题，这项技术不使用同位素标记等化学手段，而是通过对原始质谱数据的分析和处理来进行蛋白质定量。QuantWiz是我们实验室开发的一款非标记定量软件，很好地应用于定量蛋白质组学。随着实验数据的日益增大，对于超大规模的定量实验数据，QuantWiz已经不能满足大规模质谱数据分析处理的需求。分子动力学模拟作为获得液体、固体性质的重要计算手段，广泛应用于化学、物理、生物、医药、材料等众多领域。模拟体系的复杂性和精确性的需求，使得计算量巨大，耗费时间长，对目前计算机的运算速度提出了严峻的挑战。　　 本文的工作包含两个方面：针对蛋白质定量的性能问题，提出了QuantWiz在GPU上的并行算法GPU-Quantwiz，并且对该算法进行了实现；针对分子动力学模拟的性能问题，提出了Leap-frog算法在GPU上的并行算法oApT-AD，并且对该算法进行了实现。在GPU-QuantWiz算法的设计与实现中，首先对QuantWiz软件做了深入的研究与分析，找到了软件性能的热点模块所在，提出了该软件在GPU上的加速算法--GPU-QuantWiz，并进行了实现。性能测试显示，GPU-QuantWiz运行在Tesla C1060上，与QuantWiz运行在Intel(R)Xeon(R)CPUX5472的单核上相比，平均加速比达到了9.66倍，得到了良好的加速效果。同时，该算法还可以扩展到两块及以上的GPU上，具有良好的可扩展性。在oApT-AD算法的设计与实现中，提出了一种基于GPU的分子动力学模拟并行算法--oApT-AD，并在OpenCL和CUDA框架下作了实现。性能测试显示，oApT-AD运行在Tesla C1060上，在OpenCL框架下与串行算法运行在Intel(R)Xeon(R)CPUX5472的单核上相比，最高达到120倍加速比。通过对比发现，该算法在CUDA上的性能与OpenCL基本相当。同时，该算法还可以扩展到两块及以上的GPU上，具有良好的可扩展性。