基因测序中的云计算解密

云计算为什么可以基因测序中持续发展落地？

随着基因工程在疾病风险、祖源分析等一些新应用新场景的出现，催生了不同的算力需求，对计算架构也提出更高要求。生物测序可以说是信息技术和生物技术紧密结合的行业，需要借助高性能计算来处理海量爆炸的数据资源！

基因测序通常会面临以下三个痛点:

1 基因测序业务一般分为项目型，有波峰波谷的区别，为了足够的资源支撑的同时不造成资源浪费，会选择云计算弹性使用的资源。

2 复杂基因组在各个测序分析的阶段需要借助不同规格的计算资源，线下计算集群往往无法适应快速的扩缩容。

3 目前的三代测序已成为重要的技术趋势，云计算能够更好的满足其对算力方面的要求。

上述所说的是算力方面，而实际上，基因测序企业更偏爱云计算平台，这就和传输/存储拖不了干系：

1 基因测序最高每天甚至有十几个T的基因下机数据，海量的数据传输需求和存储对传输带宽要求极高。

2 行业数据存储包括规划、分配、回收、归档等过程，运维成本极高。

3 基因测序中涉及到相当多的敏感数据，对于安全的要求极高。

北鲲云为基因测序行业用户提供高性能计算完整解决方案，搭建NGS数字化全流程平台，帮助用户降低计算资源成本，解决IT/运维问题，提高研发效率。对于基因测序的各大痛点，都有招数一一化解。

最近北鲲云赞助天津大学生命科学学院团队TJUSLS_China参赛并斩获金奖（Gold Medal）。

今年 TJUSLS_China 团队的研究对象是 Proteinase K（蛋白酶 K）。目前商业化的 Proteinase K 产品大都面临钙离子依赖性及不耐热的问题。 TJUSLS_China 团队2022年的项目利用合成生物学的方法设计生产出了既不依赖钙离子，常温下热稳定性也显著增强的 Proteinase K 突变体（Capsid ripper）。 以上项目研究成果得到了大赛评委及专家的高度评价，特别是对队伍提出的新颖蛋白质设计策略予以了充分肯定。

在项目的建模部分，团队需要使用 AlphaFold 2和GROMACS两款软件，此过程既需要 GPU 算力，也需要 CPU 算力。算力不足，服务器连接困难、难以并行运算等多个问题导致项目进度缓慢。

项目实现过程中，北鲲云为团队提供了有力的平台支持和充足的算力支持，北鲲云基于通用、便捷、智能的作业调度系统和公共服务，为上层应用提供技术保障，也团队提供了强大HPC云端算力。两者融合，共同发力打造一站式高性能计算平台，提供稳定、高效、安全的计算服务，为团队取得好成绩奠定了坚实基础。

团队在计算过程中，无需改变平时使用习惯，软件开箱即用，在SSH连接方式中通过Slurm命令即可轻松提交任务。极易上手的平台操作大大提高工作效率。在算力资源方面，主要选择了32核Intel Xeon(Cascade Lake) Platinum 8269/8269CY，在保证运算速度的同时大大的降低了成本。在时间紧张时，最高选择了192核Intel Xeon Platinum (Cooper Lake) 8369 3.3 GHz/3.8 GHz进行运算，极大的缩短了计算时间。

更多与基因测序相关的信息，欢迎联系我们！

审核编辑黄昊宇