基因數(shù)據(jù)分析與存儲(chǔ)平臺(tái)建設(shè)方案-2019年4月

1、基因數(shù)據(jù)分析與存儲(chǔ)平臺(tái)建設(shè)方案2019年4月目錄1 平臺(tái)建設(shè)需求分析 3.1.1 平臺(tái)組成 3.1.2 系統(tǒng)應(yīng)用分析 5.2 系統(tǒng)方案設(shè)計(jì) 9.系統(tǒng)配置表 9.系統(tǒng)拓?fù)鋱D 1.6系統(tǒng)方案說(shuō)明 1.73 系統(tǒng)技術(shù)參數(shù) 19總體指標(biāo) 1.9刀片機(jī)箱 1.9計(jì)算刀片 1.9四路節(jié)點(diǎn) 20管理登錄節(jié)點(diǎn) 20存儲(chǔ)節(jié)點(diǎn) 20集群網(wǎng)絡(luò) 21機(jī)柜配電 21集群軟件 21系統(tǒng)集成實(shí)施與售后服務(wù) 241 1 平臺(tái)建設(shè)需求分析平臺(tái)組成生物信息學(xué)研究平臺(tái)可分為測(cè)序平臺(tái)和分析平臺(tái)兩部分， 測(cè)序平臺(tái)以基因測(cè)序儀為核心，完成基因測(cè)序，獲得原始數(shù)據(jù)；分析平臺(tái)以高性能計(jì)算軟硬件系統(tǒng)為核心，完成數(shù)據(jù)的分析處理，獲得分析結(jié)果。其中

2、， 基因數(shù)據(jù)存儲(chǔ)與分析平臺(tái)即生物信息高性能計(jì)算系統(tǒng)通常包括：計(jì)算子系統(tǒng)（刀片節(jié)點(diǎn)、胖計(jì)算節(jié)點(diǎn)、管理登陸節(jié)點(diǎn)）存儲(chǔ)子系統(tǒng)（在線存儲(chǔ)系統(tǒng)、備份存儲(chǔ)系統(tǒng)）網(wǎng)絡(luò)子系統(tǒng)（高速計(jì)算存儲(chǔ)網(wǎng)絡(luò)、低速管理網(wǎng)絡(luò)）管理調(diào)度系統(tǒng)（操作系統(tǒng)、集群管理系統(tǒng)、作業(yè)調(diào)度系統(tǒng)、KVMKVM基礎(chǔ)軟件環(huán)境（編譯器、數(shù)學(xué)庫(kù)、并行環(huán)境等）應(yīng)用軟件環(huán)境（生物信息平臺(tái)軟件、應(yīng)用軟件與基因組數(shù)據(jù)資源）集群基礎(chǔ)設(shè)施（機(jī)柜、配電系統(tǒng)）機(jī)房環(huán)境（機(jī)房、制冷、監(jiān)控、消防、隔音、供電等）基因囑存儲(chǔ)與分析平臺(tái)框架技術(shù)服務(wù)層遠(yuǎn)程在線運(yùn)維與現(xiàn)場(chǎng)服務(wù)應(yīng)用技術(shù)支持應(yīng)用軟件層基礎(chǔ)軟件層硬件資源層基礎(chǔ)設(shè)施層系統(tǒng)應(yīng)用分析生命科學(xué)做為 2121 世紀(jì)最重要的科學(xué)分支之

3、一，高性能計(jì)算在生命科學(xué)的研究和發(fā)展中起來(lái)非常重要的作用。由于測(cè)序技術(shù)的飛速發(fā)展，人類發(fā)現(xiàn)的基因序列數(shù)目按照指數(shù)級(jí)增長(zhǎng)，那么對(duì)于如此數(shù)量龐大的基因進(jìn)行同源性搜尋，比對(duì),分析，遺傳發(fā)育分析等等，往往伴隨著巨大的數(shù)據(jù)處理量和并行計(jì)算量。同時(shí)，由于生命科學(xué)的研究對(duì)象往往是蛋白質(zhì)和 DNADNA 的大分子，對(duì)這些分子的三維結(jié)構(gòu)的預(yù)測(cè)，動(dòng)力學(xué)特性、熱力學(xué)特性、在生命過(guò)程中如何發(fā)生作用，這些科學(xué)問(wèn)題也要借助于高性能計(jì)算機(jī)。所以高性能計(jì)算機(jī)在生命科學(xué)研究中，應(yīng)用非常廣泛，扮演著及其重要的角色。生物信息學(xué)研究平臺(tái)應(yīng)用包括測(cè)序儀離線處理、 序列搜尋比對(duì)分析、質(zhì)譜儀原始資料處理、分子對(duì)接（藥物設(shè)計(jì)）、電子顯微鏡圖

4、象處理等等， 其中最為主要的仍是測(cè)序儀離線處理和序列搜尋比對(duì)分析，也是基因數(shù)據(jù)存儲(chǔ)與分析平臺(tái)承擔(dān)的主要任務(wù)?；驍?shù)據(jù)存儲(chǔ)與分析平臺(tái)應(yīng)用的主要特點(diǎn)為：.計(jì)算量大， 序列比對(duì)等大部分任務(wù)在雙路節(jié)點(diǎn)上可以獲得較高的計(jì)算效率；.序列拼接等部分應(yīng)用需要大內(nèi)存的節(jié)點(diǎn)，部分應(yīng)用需要單節(jié)點(diǎn) 1T1TB B以上的內(nèi)存；.數(shù)據(jù)訪問(wèn)量巨大，對(duì)存儲(chǔ)性能、容量要求高，數(shù)據(jù)增長(zhǎng)速度非常快；.開(kāi)源軟件眾多，安裝復(fù)雜，需要相應(yīng)的基因組數(shù)據(jù)資源；.部分應(yīng)用的工作流程較為復(fù)雜，自動(dòng)化較低。流程復(fù)雜SNPBreedingvalueSNPBreedingvalue八1LDandHaplotypeSLDandHaplotypeS-SN

5、PdiversitySNPdiversitySAM/BAMSAM/BAMNPCoverageIndelPAMSVNPCoverageIndelPAMSVUUI IUISUISIBIBHH*MSBFunctionAnnotationFunctionAnnotation軟件眾多SOAPdenovo,Veket,CAP3et,CAP3H HAByS5AByS5F FALLPATHS-ALLPATHS-LG.ARACHNE.MjRA5SAKLG.ARACHNE.MjRA5SAKE EF Fetc.etc.J/BLAST.FASTA.HMMEKMUMme/BLAST.FASTA.HMMEKMUMmecM

6、USCLfXlustalW.SOAP.MAQcMUSCLfXlustalW.SOAP.MAQXoronaWAjBcwtie.etXoronaWAjBcwtie.et)XtRNAscnn.SnosGdtRNAscnn.SnosGd1 1n,min,miRandaam_scanjnterprRandaam_scanjnterproScanoScan、MEME/MAST,MdMEME/MAST,Mdstantc.應(yīng)用特征一BWABWA基本上只做整型計(jì)總單節(jié)點(diǎn)有線在加速比對(duì)內(nèi)存帶寬有一定要求對(duì)存楮帶寬有需求基因組拼接轉(zhuǎn)錄期拼接序列比對(duì)基因組注釋基因預(yù)測(cè)進(jìn)化分析連鎖.LD,QTL.LD,QTL重復(fù)序列識(shí)別GLEAN,GLEAN,Glimner,GeneGeneMark,AUGU5TU5,GEN5CAMark,AUGU5TU5,GEN5CANJNJwinScan,ett.kJPhylip.MEGA.nj_treepSPhylip.MEGA.nj_treepStructu