2024年中國(guó)高性能計(jì)算和人工智能醫(yī)療行業(yè)市場(chǎng)前景及投資研究報(bào)告：生命科學(xué)解決方案

CONTENTS目錄01聯(lián)想高性能計(jì)算.........................

0102聯(lián)想生命科學(xué)行業(yè)解決方案.

.

.

.

.

.

.

.

.

0.

7聯(lián)想生命科學(xué)

HPC

解決方案0742聯(lián)想生命科學(xué)人工智能解決方案03聯(lián)想高性能計(jì)算產(chǎn)品及特點(diǎn)介紹.

.

.

4.

5聯(lián)想高性能計(jì)算硬件和環(huán)境配套45聯(lián)想高性能計(jì)算軟件720405聯(lián)想高性能計(jì)算集群實(shí)施服務(wù)聯(lián)想生命科學(xué)客戶案例.

.

.

.

.

.

.83.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

87某醫(yī)院組學(xué)和深度影像學(xué)習(xí)平臺(tái)87北京大學(xué)高性能計(jì)算平臺(tái)“未名生科一號(hào)”93算近幾年，為了推動(dòng)生物醫(yī)藥產(chǎn)業(yè)的快速發(fā)展，加快構(gòu)建生物產(chǎn)業(yè)鏈，國(guó)務(wù)院、國(guó)家等部門相繼發(fā)布了多項(xiàng)生物醫(yī)藥產(chǎn)業(yè)促進(jìn)政策，支持生物技術(shù)藥、化學(xué)藥、中醫(yī)藥等細(xì)分領(lǐng)域的產(chǎn)品研發(fā)、成果轉(zhuǎn)化，以及公共服務(wù)平臺(tái)的建設(shè)等等。2022

年，工業(yè)部和信息化部、國(guó)家發(fā)展改革委、科技部等九部門聯(lián)合發(fā)布的《“十四五”醫(yī)藥工業(yè)發(fā)展規(guī)劃》明確提出，國(guó)家將推動(dòng)醫(yī)藥制造能力系統(tǒng)升級(jí)，以新一代信息技術(shù)賦能醫(yī)藥研發(fā)。同時(shí)，隨著第三代分子測(cè)序技術(shù)的發(fā)展，數(shù)據(jù)量快速增長(zhǎng)，生物醫(yī)學(xué)數(shù)據(jù)從

PB

組學(xué)時(shí)代邁入

EB

多維度大數(shù)據(jù)時(shí)代。從

CADD

到

AIDD，通過高性能計(jì)算資源進(jìn)行虛擬藥物篩選、分子對(duì)接、蛋白結(jié)構(gòu)預(yù)測(cè)等工作，可有效縮短新藥研發(fā)周

期，降低科研成本。高性能計(jì)算正在影響著生命科學(xué)各研究領(lǐng)域的發(fā)展。為了支撐科研人員的數(shù)據(jù)分析和計(jì)算需求，我國(guó)生命科學(xué)領(lǐng)域的高性能計(jì)算基礎(chǔ)設(shè)施快速發(fā)展，且已初具規(guī)模，但生命科學(xué)領(lǐng)域企業(yè)應(yīng)用高性能計(jì)算時(shí)依然存在算力、彈性、存儲(chǔ)吞吐量不足，運(yùn)維管理和成本大等挑戰(zhàn)。如何降本增效，提高高性能計(jì)算的性價(jià)比，成為企業(yè)高度關(guān)注的問題。聯(lián)想集團(tuán)作為全球高性能計(jì)算機(jī)（HPC）TOP500

和中國(guó)高性能計(jì)算機(jī)

TOP100

排行榜中領(lǐng)先的企業(yè)，不僅為生命科學(xué)各領(lǐng)域海量數(shù)據(jù)研究提供用于基因組學(xué)、蛋白質(zhì)組學(xué)、藥物研發(fā)等領(lǐng)域的超級(jí)計(jì)算機(jī)和高性能服務(wù)器以及大容量存儲(chǔ)服務(wù)等基礎(chǔ)設(shè)施，也圍繞高性能服務(wù)器基礎(chǔ)技術(shù)打造了齊全的產(chǎn)品線和嚴(yán)格的質(zhì)量控制體系，進(jìn)而為生命科學(xué)領(lǐng)域提供了一套覆蓋

研發(fā)、數(shù)據(jù)存儲(chǔ)、生產(chǎn)及認(rèn)證、銷售等環(huán)節(jié)的完整技術(shù)鏈。當(dāng)前，依托高性能計(jì)算平臺(tái)，聯(lián)想集團(tuán)已經(jīng)在全球?yàn)樯茖W(xué)、基因測(cè)序等多個(gè)領(lǐng)域提供了成熟的高性能計(jì)算解決方案；聯(lián)想集團(tuán)交付的高性能計(jì)算集群，正在為研究機(jī)構(gòu)、高等院校和企業(yè)的業(yè)務(wù)創(chuàng)新發(fā)揮著重要作用；針對(duì)醫(yī)療機(jī)構(gòu)快速分析、共享海量元數(shù)據(jù)的需求，聯(lián)想集團(tuán)個(gè)性化構(gòu)建了高性能的

IT

基礎(chǔ)架構(gòu)，提高醫(yī)療系統(tǒng)的性能、可靠性與靈活性，確保工作人員高效獲取所需的科學(xué)計(jì)算資源，并輕松共享關(guān)鍵信息，從而節(jié)省了大量的時(shí)間和資源。在以算力為基礎(chǔ)數(shù)字經(jīng)濟(jì)時(shí)代，聯(lián)想集團(tuán)將基于自身傳承了

30

余年的強(qiáng)大技術(shù)基因，持續(xù)升級(jí)算力基礎(chǔ)架構(gòu)，發(fā)展算力服務(wù)，繼續(xù)致力于創(chuàng)新和深化在生命科學(xué)等領(lǐng)域的高性能計(jì)算解決方案，為生命科學(xué)行業(yè)打造“最強(qiáng)數(shù)字大腦”，推動(dòng)行業(yè)快速發(fā)展。聯(lián)想集團(tuán)政府縱隊(duì)總經(jīng)理??傅?強(qiáng)聯(lián)想中國(guó)基礎(chǔ)設(shè)施業(yè)務(wù)群郝常杰高性能計(jì)算與人工智能產(chǎn)品營(yíng)銷主任技術(shù)顧問01開放開放的硬件平臺(tái)開放的軟件平臺(tái)技術(shù)交流與協(xié)作社區(qū)聯(lián)想高性能計(jì)算EveryScale融合高性能計(jì)算多年來(lái)一直是科技綜合實(shí)力競(jìng)爭(zhēng)的至高點(diǎn)，也在一定程度上反映了各大服務(wù)器廠商系統(tǒng)研發(fā)方面的實(shí)力。作為行業(yè)的技術(shù)領(lǐng)先者，聯(lián)想集團(tuán)在這一領(lǐng)域積累了長(zhǎng)達(dá)

20

多年的豐厚

經(jīng)驗(yàn)，并在關(guān)鍵技術(shù)領(lǐng)域不斷創(chuàng)聯(lián)想智能計(jì)算平臺(tái)LICO新，取得大量里程碑式的成果?？蛻舻男袠I(yè)應(yīng)用

HPC/AI聯(lián)想從

2001

年進(jìn)軍高性能服務(wù)器領(lǐng)域，是最早針對(duì)高等院校和科研院所進(jìn)行產(chǎn)品開發(fā)與市場(chǎng)拓展的廠商，并Web圖形界面/CLI/API在市場(chǎng)中一直處于技術(shù)領(lǐng)先地位。截止

2022

年，先后為數(shù)萬(wàn)個(gè)用戶成功實(shí)施了高性能集群。曾經(jīng)兩次承擔(dān)了HPC工作流模板AI預(yù)訓(xùn)練模型/模板大數(shù)據(jù)虛擬化中國(guó)科學(xué)院網(wǎng)絡(luò)計(jì)算中心主節(jié)點(diǎn)的建設(shè)任務(wù)，并且成功地與威廉姆斯車隊(duì)進(jìn)行合作，成為國(guó)產(chǎn)品牌中最早將高性能業(yè)務(wù)拓展到海外的企業(yè)。HPC數(shù)學(xué)庫(kù)與編譯器作業(yè)調(diào)度

LSF/其他AITensorRT/NCCL/CuCNN容器：Docker/Singularity傳統(tǒng)HPC聯(lián)想順應(yīng)國(guó)際主流技術(shù)發(fā)展趨勢(shì)，以市場(chǎng)需求為驅(qū)動(dòng)，吸收國(guó)內(nèi)外最新技術(shù)成果，進(jìn)行了大量創(chuàng)新性研發(fā)，突破包括系統(tǒng)設(shè)計(jì)與優(yōu)化、系統(tǒng)基礎(chǔ)架構(gòu)、系統(tǒng)軟件等在內(nèi)的一大批高性能服務(wù)器的關(guān)鍵核心技術(shù)，開發(fā)出一系硬件管理/用戶管理異構(gòu)計(jì)算AI列可擴(kuò)展、易管理、好使用、穩(wěn)定可靠的高性能服務(wù)器產(chǎn)品，并配備可滿足用戶個(gè)性化需求的行業(yè)解決方案，數(shù)據(jù)中心服務(wù)器并行存儲(chǔ)系統(tǒng)網(wǎng)絡(luò)系統(tǒng)提供從系統(tǒng)層到應(yīng)用軟件層的全面解決方案和技術(shù)服務(wù)。配套設(shè)施AI4S聯(lián)想高性能計(jì)算一貫秉承開放，融合和高效的理念，并以此來(lái)服務(wù)高性能計(jì)算各行各業(yè)，成就高性能計(jì)算客戶。x86飛騰/海光FPGAGPU/寒武紀(jì)LenovoScalableInfrastructure(LeSI)高效聯(lián)想算力發(fā)展愿景降低PUE提高生產(chǎn)效率熱轉(zhuǎn)換模塊(TTM)提升作業(yè)效率

LSF水冷背門(RDHX)提升存儲(chǔ)性能

DSS-G液轉(zhuǎn)風(fēng)模塊(L2A)提升網(wǎng)絡(luò)速度和效率液轉(zhuǎn)液模塊(L2L)通過水冷技術(shù)提升計(jì)算能力開放融合高效直接溫水冷卻(DWC)通過水冷技術(shù)提高可靠性面向傳統(tǒng)科學(xué)計(jì)算和大模型，聯(lián)想會(huì)堅(jiān)持開放融合的技術(shù)路線，提供高效能算力解決方案聯(lián)想會(huì)堅(jiān)持開放融合的技術(shù)路線，提供高效能算力解決方案聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書0102聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書2002

年

7

月，聯(lián)想研制成功“深騰

1800”萬(wàn)億次聯(lián)想深騰系列高性能計(jì)算機(jī)成為最早進(jìn)入世界

TOP500

的一批國(guó)產(chǎn)計(jì)算機(jī)，分列當(dāng)時(shí)世界

TOP500

的第

14、集群系統(tǒng)，安裝在中科院數(shù)學(xué)與系統(tǒng)科學(xué)研究院。43、98

和

299

名。這是一個(gè)歷史性的突破，聯(lián)想深騰系列高性能計(jì)算機(jī)已成為國(guó)際知名國(guó)內(nèi)主流的品牌。聯(lián)這是世界上第一個(gè)實(shí)際速度超過

1

萬(wàn)億次的大規(guī)模集想在推動(dòng)高性能技術(shù)產(chǎn)業(yè)化方面取得了突破性進(jìn)展，聯(lián)想的高性能計(jì)算機(jī)廣泛應(yīng)用于許多關(guān)鍵領(lǐng)域，在國(guó)民經(jīng)群系統(tǒng)。曾入選新華社

2002

年中國(guó)十大新聞及兩濟(jì)和社會(huì)發(fā)展中發(fā)揮重要作用。院院士評(píng)選的

2002

年中國(guó)十大科技進(jìn)展，并榮獲目前，集群已成為世界高性能計(jì)算機(jī)體系結(jié)構(gòu)的主流，聯(lián)想深騰

1800、深騰

6800

和深騰

7000

為這一趨2004

年國(guó)家科技進(jìn)步二等獎(jiǎng)。2002

年末，另一套勢(shì)的形成做出了重要貢獻(xiàn)。2002

年

8

月初，世界上主流并行編程環(huán)境

MPI-ch

的發(fā)明人、美國(guó)阿貢實(shí)驗(yàn)室深騰

1800

大規(guī)模集群系統(tǒng)安裝在中科院大氣物理所WilliamCropps參觀聯(lián)想深騰

1800

后寫道：“We

seethefutureofclusteringcomputing”。國(guó)家重

點(diǎn)實(shí)驗(yàn)室。2002

年

12

月

30

日，聯(lián)想深騰1800

中標(biāo)大慶油田，使該油田第一次在國(guó)內(nèi)實(shí)現(xiàn)三聯(lián)想在高性能服務(wù)器基礎(chǔ)技術(shù)方面有著長(zhǎng)期的積累，有齊全的產(chǎn)品線和嚴(yán)格的質(zhì)量控制體系，為高性能計(jì)算機(jī)維疊前深度偏移地震資料處理。的研制和生產(chǎn)奠定了堅(jiān)實(shí)的基礎(chǔ)。在產(chǎn)品設(shè)計(jì)上，聯(lián)想堅(jiān)持用戶導(dǎo)向的原則，同時(shí)結(jié)合對(duì)新技術(shù)的深入理解和消化吸收，始終遵循模塊化設(shè)計(jì)思想，在充分綜合考慮各模塊精密配合和整機(jī)系統(tǒng)合理整合的基礎(chǔ)上，先設(shè)計(jì)出最佳性價(jià)比、最穩(wěn)定的產(chǎn)品方案，然后對(duì)方案進(jìn)行工程計(jì)算仿真，同時(shí)不斷地結(jié)合驗(yàn)證性實(shí)驗(yàn)，最終才形成可行的開發(fā)方案，從而保證為用戶在最短的時(shí)間里開發(fā)出最貼近的具有競(jìng)爭(zhēng)力的產(chǎn)品。在研究開發(fā)上，聯(lián)想建立了與國(guó)際接軌的兩級(jí)研發(fā)體系，即公司級(jí)研發(fā)平臺(tái)和各事業(yè)部研發(fā)中心。公司級(jí)研發(fā)2003

年，聯(lián)想成功研制“國(guó)家網(wǎng)格主節(jié)點(diǎn)—聯(lián)想深平臺(tái)由聯(lián)想研究院、軟件中心、板卡中心和工業(yè)設(shè)計(jì)中心組成。事業(yè)部研發(fā)中心隸屬于各事業(yè)部，直接承擔(dān)具騰

6800

超級(jí)計(jì)算機(jī)”，安裝在中科院計(jì)算機(jī)網(wǎng)絡(luò)體的專項(xiàng)技術(shù)開發(fā)工作。聯(lián)想在高性能服務(wù)器技術(shù)上已突破并擁有了自己的核心技術(shù)，擁有自主知識(shí)產(chǎn)權(quán)的系信息中心。這是當(dāng)時(shí)世界上

Linpack效率（78.5%）統(tǒng)設(shè)計(jì)與優(yōu)化技術(shù)、系統(tǒng)監(jiān)控技術(shù)、系統(tǒng)管理技術(shù)、高可用和負(fù)載均衡技術(shù)以及基礎(chǔ)架構(gòu)技術(shù)等關(guān)鍵技術(shù)，在最高的高端通用計(jì)算機(jī)，其組合查詢性能名列當(dāng)時(shí)高性能計(jì)算機(jī)系統(tǒng)技術(shù)方面已申請(qǐng)國(guó)家發(fā)明專利

85

項(xiàng)，其中，46

項(xiàng)已獲授權(quán)。所有大型服務(wù)器的第四位，其典型應(yīng)用

MM5

的測(cè)試結(jié)果在

2004

年

3

月列世界所有超級(jí)計(jì)算機(jī)的第一在工程技術(shù)上，聯(lián)想擁有針對(duì)服務(wù)器的部件及整機(jī)進(jìn)行專業(yè)性測(cè)試的全套技術(shù)。部件測(cè)試包含外觀、結(jié)構(gòu)、功能、位。該機(jī)榮獲

2005

年國(guó)家科學(xué)技術(shù)進(jìn)步二等獎(jiǎng)、兼容性、可靠性、安全性、性能和環(huán)境

個(gè)方面的測(cè)試，以保證所有部件符合聯(lián)想服務(wù)器技術(shù)特性和質(zhì)量標(biāo)準(zhǔn)82005

年國(guó)家重

點(diǎn)新產(chǎn)品獎(jiǎng)、2004

年信息產(chǎn)業(yè)重大的要求，對(duì)服務(wù)器的核心部件如電源、內(nèi)存，還建立了專業(yè)化的實(shí)驗(yàn)室，實(shí)現(xiàn)了部件的自動(dòng)測(cè)試。如全球技術(shù)技術(shù)發(fā)明獎(jiǎng)。聯(lián)想深騰

6800

自

2004

年初在網(wǎng)絡(luò)領(lǐng)先的自動(dòng)電源測(cè)試實(shí)驗(yàn)室和自動(dòng)內(nèi)存測(cè)試實(shí)驗(yàn)室，國(guó)內(nèi)功能最全面、技術(shù)最先進(jìn)的系統(tǒng)測(cè)試實(shí)驗(yàn)室，以及高中心對(duì)外服務(wù)以來(lái)，一直

7

X

24

小時(shí)穩(wěn)定運(yùn)行，在溫實(shí)驗(yàn)室、電磁兼容檢測(cè)實(shí)驗(yàn)室、噪音實(shí)驗(yàn)室、濕熱實(shí)驗(yàn)室等等，所有產(chǎn)品需要在這些實(shí)驗(yàn)室中通過一系列的雙星計(jì)劃、氣候模式計(jì)算、油藏模擬、材料科學(xué)計(jì)算、嚴(yán)格檢測(cè)，只有通過了這一系列的嚴(yán)格檢測(cè)的服務(wù)器產(chǎn)品，才可以順利出廠，提供給客戶。聯(lián)想始終嚴(yán)格執(zhí)行流體力學(xué)計(jì)算等領(lǐng)域取得了150多項(xiàng)重要計(jì)算成果。國(guó)際標(biāo)準(zhǔn)的質(zhì)量控制體系，是國(guó)內(nèi)最早通過－版質(zhì)量認(rèn)證體系的服務(wù)器廠商。ISO90002000在技術(shù)服務(wù)與方案上，聯(lián)想服務(wù)器應(yīng)用方案中心擁有雄厚

的技術(shù)力量，在硬件平臺(tái)、操作系統(tǒng)、數(shù)據(jù)庫(kù)、軟件、網(wǎng)絡(luò)、存儲(chǔ)、集群技術(shù)等方面有著多年的技術(shù)和經(jīng)驗(yàn)積累，可以分別從不同的技術(shù)層面為用戶提供有效的產(chǎn)品應(yīng)用和方案支持服務(wù)。中心擁有先進(jìn)的實(shí)驗(yàn)環(huán)境，包括方案集成實(shí)驗(yàn)室、性能評(píng)測(cè)實(shí)驗(yàn)室、數(shù)據(jù)中心、客戶實(shí)驗(yàn)室四個(gè)部分，為用戶提供方案開發(fā)、測(cè)試、方案移植、優(yōu)化以及培訓(xùn)、咨詢等服務(wù)，及時(shí)、快速、可靠地解決用戶系統(tǒng)在使用過程中所遇到的技術(shù)問題，使客戶的系統(tǒng)可以更加安全穩(wěn)定地運(yùn)行，以保障和促進(jìn)客戶業(yè)務(wù)的順利開展并取得更大的成功。2014

年

9

月

29

日，聯(lián)想宣布完成對(duì)

IBM

x86

業(yè)務(wù)的收購(gòu)，從此，具有豐富的高性能計(jì)算方面經(jīng)驗(yàn)的原IBMx86大批

HPC

專家加入了聯(lián)想。算算進(jìn)入聯(lián)想的原IBM

x86

部門熟悉應(yīng)用的行業(yè)專家非常了解行業(yè)用戶的需求，他們會(huì)針對(duì)行業(yè)的具體情況，與行業(yè)應(yīng)用軟件開發(fā)商密切配合，提供切實(shí)可行的解決方案，使得行業(yè)

HPC

用戶的應(yīng)用得以快速部署。聯(lián)想

HPC

的發(fā)展歷程2016年7月1日，從ISC2016凱旋歸來(lái)的聯(lián)想集團(tuán)再度吹響集結(jié)號(hào)，在北京隆重

召開了以“開啟E級(jí)計(jì)算新篇章”中國(guó)第1臺(tái)年年助力北京為主題的首屆全球高性能計(jì)算峰會(huì)。本次大會(huì)聯(lián)想正式發(fā)布了面向

E

級(jí)計(jì)算的高性能計(jì)算機(jī)系統(tǒng)深騰

x8800。2005年助力神舟2022IA服務(wù)器深騰6800冬奧會(huì)實(shí)現(xiàn)冬奧分2012九號(hào)飛船與天宮1995年獲國(guó)家科技進(jìn)步鐘級(jí)和百米級(jí)的精一號(hào)精準(zhǔn)對(duì)接聯(lián)想推出二等獎(jiǎng)準(zhǔn)氣象預(yù)報(bào)2018

年

6

月

30

日，聯(lián)想正式升級(jí)高性能計(jì)算機(jī)系統(tǒng)為深騰

x9000，這是聯(lián)想面向智能計(jì)算的統(tǒng)一平臺(tái)，該2003年2009

二百萬(wàn)億年深騰2018/19

20/21/22TOP500

TOP5002023年平臺(tái)涵蓋

傳統(tǒng)高性能計(jì)算和人工智能技術(shù)。這是聯(lián)想集團(tuán)

3S

戰(zhàn)略的具體方案落地，也是向人工智能方向邁出的深騰68007000GTOP500次使用GPU加速科聯(lián)想獲得

聯(lián)想獲得聯(lián)想獲得一大步。TOP500第14位學(xué)計(jì)算第一第一第一2021

年

12

月

14

日，上海交大校友、聯(lián)想集團(tuán)董事長(zhǎng)兼

CEO

楊元慶捐建的高性能計(jì)算中心在上海交大李政道研究所揭牌啟用。這套高性能計(jì)算設(shè)備被命名為“思源一號(hào)”，每秒運(yùn)算可達(dá)

6

千萬(wàn)億次，其算力為中國(guó)高校第

1，2004年2009年年中國(guó)年中國(guó)TOP100深騰1800SuperMUC20142023全球

HPCTOP500

第

132。獲國(guó)家科技進(jìn)步世界第一臺(tái)大規(guī)模TOP100......第一名第一名二等獎(jiǎng)溫水水冷系統(tǒng)上海交大楊元慶科學(xué)計(jì)算中心坐落于張江科學(xué)城的李政道研究所實(shí)驗(yàn)樓內(nèi)。李政道研究所實(shí)驗(yàn)樓于

2021

年

12年年世界第1臺(tái)2022年20092013深騰7000深騰7000萬(wàn)億次機(jī)群發(fā)布第五代月

3

日正式啟用，目前已聚集若干學(xué)術(shù)大師領(lǐng)銜的研究團(tuán)隊(duì)，吸引了一批科技創(chuàng)新活力的青年才俊，圍繞粒子我國(guó)首用北京市科技進(jìn)步年聯(lián)想推出溫水水冷2002百萬(wàn)億次機(jī)一等獎(jiǎng)與核物理、天文與天體物理、量子基礎(chǔ)科學(xué)等研究方向，開展了多個(gè)前沿領(lǐng)域原創(chuàng)性基礎(chǔ)研究，實(shí)驗(yàn)平臺(tái)建設(shè)正穩(wěn)步推進(jìn)。2023年

11

月

14

日，TOP500

組織發(fā)布了最新的全球超級(jí)計(jì)算機(jī)

TOP500

榜單。榜單顯示，在全球浮點(diǎn)運(yùn)算這些領(lǐng)域的科學(xué)研究，恰恰最需要高性能計(jì)算支撐。作為全球第一的高性能計(jì)算解決方案提供商，截至

2022性能最強(qiáng)的

500

臺(tái)超級(jí)計(jì)算機(jī)中，聯(lián)想制造的高性能計(jì)算入圍169

臺(tái)的數(shù)量遠(yuǎn)超其他廠商，以

33.8%

的總體年

11

月，聯(lián)想連續(xù)十次蟬聯(lián)全球高性能計(jì)算機(jī)

TOP500

榜單制造商份額榜首，九次登頂中國(guó)

HPC

TOP100

年份額，再次名列全球高性能計(jì)算提供商份額第一名。度數(shù)量總份額榜首。而聯(lián)想的溫水水冷技術(shù)，也成為業(yè)內(nèi)綠色低碳的典范。在注重

高性能的同時(shí)，聯(lián)想也非常重

視綠色節(jié)能技術(shù)，聯(lián)想以出眾的節(jié)能技術(shù)打造了

GREEN500

榜單榜首的“思源一號(hào)”高性能計(jì)算機(jī)總計(jì)算力為

6

千萬(wàn)億次

/

秒（雙精度）。在今年

11

月發(fā)布的全球

TOP500

高性能全球最節(jié)能高性能計(jì)算機(jī)。計(jì)算機(jī)榜單上，“思源一號(hào)”的計(jì)算力排名第

206

位，算力超過哈佛、加拿大大學(xué)等國(guó)際名校。在中國(guó)高性能計(jì)算TOP100

榜單上，它排名

15

位，中國(guó)高校高性能計(jì)算排名第一。此外，“思源一號(hào)”還具備超高計(jì)算密2023

年

11

月的最新一屆的全球最綠色的高性能計(jì)算機(jī)榜單，聯(lián)想集團(tuán)安裝在美國(guó)紐約

Flatiron

研究所的度與功耗密度、綠色節(jié)能、能源可循環(huán)利用三大技術(shù)特色。Henri系統(tǒng)再次獲得了

GREEN500榜單頭名，其能效達(dá)到了驚人的

65.40Gflops/Watts，并三次蟬聯(lián)榜首。此外，聯(lián)想為韓國(guó)基礎(chǔ)科學(xué)研究所打造的科學(xué)計(jì)算集群采用了聯(lián)想

ThinkSystem

SR675

V3

GPU

服務(wù)器，總核心數(shù)達(dá)到了

3936

個(gè)。該集群在最新

GREEN500

榜單中以

45.12

GFlops/Watts

的成績(jī)一舉躋身前十，并同樣入圍最新的

HPCTOP500

榜單。目前，聯(lián)想在全球部署的高性能計(jì)算機(jī)正在政府機(jī)構(gòu)、商業(yè)公司、學(xué)術(shù)機(jī)構(gòu)和醫(yī)療機(jī)構(gòu)發(fā)揮力量。在科學(xué)計(jì)算、城市管理、人工智能開發(fā)等領(lǐng)域助力中國(guó)各行各業(yè)的研究，新

IT

賦能實(shí)體經(jīng)濟(jì)，助力構(gòu)建新發(fā)展格局。聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書05算02新藥的誕生通常需要經(jīng)歷藥物發(fā)現(xiàn)、臨床前研究、臨床試驗(yàn)和審批等階段后，最終才可以獲批上市。在靶點(diǎn)發(fā)現(xiàn)、化合物合成等藥物發(fā)現(xiàn)階段以及化合物篩選等臨床前研究階段，往往需要借助高性能計(jì)算強(qiáng)大的計(jì)算能力才能聯(lián)想生命科學(xué)行業(yè)解決方案加速研發(fā)過程輔助藥物設(shè)計(jì)。生命科學(xué)

HPC

應(yīng)用分類基因組學(xué)是指對(duì)生物體所有基因進(jìn)行基因組作圖、核苷酸序列比對(duì)分析、基因定位及基因功能分析的一門學(xué)科，而基因測(cè)序則是針對(duì)基因組學(xué)研究的檢測(cè)分析技術(shù)。基因組學(xué)所對(duì)應(yīng)的研究主要包括結(jié)構(gòu)基因組學(xué)和功能基因組學(xué)兩個(gè)方面。聯(lián)想生命科學(xué)

HPC

解決方案結(jié)構(gòu)基因組學(xué)代表基因組分析的早期階段，一般以基因組測(cè)序?yàn)槟康?，得出生物樣本的靜態(tài)堿基序列，并構(gòu)建生物體的基因圖譜，一般基于高通量測(cè)序技術(shù)生成生物的堿基序列。功能基因組學(xué)也稱作后基因組學(xué)，基于結(jié)構(gòu)基因組所提供的數(shù)據(jù)及信息，結(jié)合計(jì)算機(jī)科學(xué)，同時(shí)對(duì)多個(gè)基因片段進(jìn)行系統(tǒng)性的分析研究，主要研究?jī)?nèi)容包括：基因突變檢測(cè)（SNP，InDel）、基因表達(dá)分析及基因功能發(fā)現(xiàn)等。生命科學(xué)作為

21

世紀(jì)最重要的科學(xué)分支之一，高性能計(jì)算在生命科學(xué)的研究和發(fā)展中起到非常重要的作用。從蛋白質(zhì)結(jié)構(gòu)中的應(yīng)用輔助藥物設(shè)計(jì)、疫苗研發(fā)，到生物信息學(xué)中的應(yīng)用輔助基因數(shù)據(jù)處理與分析，再到提供精基因測(cè)序的業(yè)務(wù)流程主要包括樣本上機(jī)（測(cè)序儀）、測(cè)序文件生成、基因序列比對(duì)及結(jié)果分析（計(jì)算機(jī)），并準(zhǔn)醫(yī)療服務(wù)于腫瘤治療、產(chǎn)前篩查等醫(yī)療技術(shù)，高性能計(jì)算HPC

在生命科學(xué)研究中扮演著十分重要的角色。由將結(jié)果數(shù)據(jù)及報(bào)告交付至各科研醫(yī)療機(jī)構(gòu)。其中，基因序列比對(duì)及分析環(huán)節(jié)極為耗時(shí)，涉及大量的生信領(lǐng)域?qū)Ｓ跍y(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)行同源性業(yè)軟件，計(jì)算資源的算力性能及方案優(yōu)化對(duì)生信研發(fā)效率起著至關(guān)重要的作用。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

DNA

的大分子，對(duì)這些分子三維結(jié)構(gòu)的預(yù)測(cè)，動(dòng)力學(xué)特性、熱力學(xué)特性、在生命過程基因組醫(yī)學(xué)發(fā)展路徑中如何發(fā)生作用，這些科學(xué)問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，了解基因組的結(jié)構(gòu)了解基因組生物學(xué)了解疾病生物學(xué)發(fā)現(xiàn)醫(yī)學(xué)科學(xué)提高護(hù)理效率扮演著及其重要的角色。分支機(jī)構(gòu)NHGRI同時(shí)，隨著人工智能（Artificial

Intelligence，AI）技術(shù)的興起，高性能計(jì)算HPC

中逐漸出現(xiàn)了

AI

for

Science，NIH定義了基因組醫(yī)學(xué)的5個(gè)步驟HPC+AI

極大地提升了生命科學(xué)領(lǐng)域的計(jì)算效率。隨著生命科學(xué)行業(yè)的研究問題越來(lái)越復(fù)雜，加上

AI

的不斷投(資料:E.Green等，《自然雜志》470

，入，構(gòu)建

HPC+AI

平臺(tái)成為滿足生命科學(xué)行業(yè)日益暴漲的算力需求的基本基礎(chǔ)架構(gòu)。204-213）生命科學(xué)行業(yè)涉及對(duì)微生物、動(dòng)物和植物等所有生物進(jìn)行研究的科學(xué)領(lǐng)域，同時(shí)包括生物倫理學(xué)等相關(guān)領(lǐng)域的基因組測(cè)序（不只是轉(zhuǎn)錄組分析基因型-表型關(guān)系化學(xué)基因組學(xué)診斷法???????考量。生命科學(xué)的研究對(duì)提高人類的生活品質(zhì)有很大的助益。目前，生命科學(xué)已經(jīng)在醫(yī)療、農(nóng)業(yè)、保健、食品人類，還包括其它生（上位性分析）表觀基因組分析基于基因組的藥物遺傳咨詢GWAS,物體）??QTL分析研發(fā)宏基因組分析個(gè)性化治療工業(yè)和制藥等行業(yè)得到廣泛應(yīng)用，不斷造福人類。雖然，當(dāng)前生物學(xué)仍然是生命科學(xué)的中心，但隨著分子生物???基因組組裝功能基因組學(xué)?

RNAi研發(fā)預(yù)后生物分子相互作用?需要采取的措施？?識(shí)別變異???（路徑）?學(xué)和生物技術(shù)的發(fā)展，生命科學(xué)已經(jīng)成為一個(gè)專精化、多學(xué)科交叉的領(lǐng)域。干細(xì)胞研究比較基因組學(xué)預(yù)防?（SNP識(shí)別）??建模（系統(tǒng)生物學(xué)）基因組注釋?長(zhǎng)期生活護(hù)理人類遺傳變異分析??蛋白質(zhì)模擬?多尺度器官模擬從全球范圍內(nèi)來(lái)看，21

世紀(jì)開始，全球生命科學(xué)領(lǐng)域的發(fā)展進(jìn)入快車道，尤其是人類基因組計(jì)劃的實(shí)施、干細(xì)結(jié)構(gòu)變異體?胞研究的不斷深入、克隆技術(shù)的不斷發(fā)展等因素都將生命科學(xué)領(lǐng)域的發(fā)展推向了新的高度，與之相對(duì)應(yīng)領(lǐng)域的解決方案步驟：研發(fā)投入也在不斷增加。作為對(duì)科技信息技術(shù)有強(qiáng)依賴的典型代表，生命科學(xué)行業(yè)的藥物研發(fā)和基因測(cè)序分析領(lǐng)域面臨著計(jì)算資源緊缺、研發(fā)周

期長(zhǎng)等問題，為了解決這些問題，相關(guān)企業(yè)開始從傳統(tǒng)

IT

轉(zhuǎn)向上云，希望借測(cè)序轉(zhuǎn)化醫(yī)學(xué)個(gè)性化醫(yī)療助云計(jì)算平臺(tái)的資源優(yōu)勢(shì)加速藥物研發(fā)速度、提升測(cè)序數(shù)據(jù)分析效率，加快業(yè)務(wù)創(chuàng)新步伐，為用戶創(chuàng)造更大價(jià)值。聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書0708聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書生命科學(xué)的主要軟件生物信息學(xué)近

20

年來(lái)，隨著人類基因組計(jì)劃的相繼完成和各種模式生物的基因組計(jì)劃的順利實(shí)施，以及基因測(cè)序技術(shù)的生物領(lǐng)域中的高性能計(jì)算最大的特點(diǎn)就是種類多。不斷進(jìn)步，生命科學(xué)研究得到了巨大的發(fā)展。同時(shí)，海量的有關(guān)生物序列的數(shù)據(jù)不斷涌現(xiàn)。這些數(shù)據(jù)具有豐富的內(nèi)涵，其中蘊(yùn)含著大量的人類尚且不知道的生物學(xué)奧秘。①

生

物

分

子

的

結(jié)

構(gòu)

測(cè)

定：Illumina

公

司

的

bcl2fastq，Genome

Analys，HiSeq

2000，GAPipeline

等；ABI公司的

Solid3，Solid4，Bioscope。電鏡

EMAN，SPIDER；利用

Xray

方法測(cè)量用軟件

CCP4、ARP/生物信息學(xué)是研究生物信息的采集、處理、存儲(chǔ)、傳播、分析和解釋等各方面的一門學(xué)科，與以觀察和實(shí)驗(yàn)為wARP，CNS

進(jìn)行解析等；質(zhì)譜儀

tandom(X!tandom)

等。主的傳統(tǒng)生物學(xué)研究不同，它通過綜合利用生物學(xué)、計(jì)算機(jī)科學(xué)和信息技術(shù)而揭示大量而復(fù)雜的生物數(shù)據(jù)所蘊(yùn)含的生物學(xué)奧秘。生物信息學(xué)把

DNA

序列、蛋白質(zhì)序列以及其它相關(guān)生物數(shù)據(jù)作為分析對(duì)象，力求揭示

DNA②

生物信息學(xué)類計(jì)算：最常用的有

BLAST，F(xiàn)ASTA，HMMER，ClustalW，DNASTAR，PHYLIP，PAML，編碼區(qū)、蛋白質(zhì)、RNA

基因以及其基因組中非編碼序列的信息實(shí)質(zhì)。PAUP，T-Coffee，EMBOSS

等。③

分子動(dòng)力學(xué)類計(jì)算：主要軟件有

AMBER，Charmm，NAMD，Gromacs

等，這類應(yīng)用非常適合大規(guī)模并行。1.測(cè)序技術(shù)介紹④

計(jì)算機(jī)輔助藥物設(shè)計(jì)類計(jì)算：應(yīng)用軟件有

DOCK

，AutoDock，F(xiàn)lexX，Discovery

Studio，ZDOCK，DNA

測(cè)序技術(shù)是現(xiàn)代分子生物學(xué)研究中最常用的技術(shù)。自

1977

年第一代測(cè)序技術(shù)問世以來(lái)，經(jīng)過三十多年的RDOCK，MORDOR

等。發(fā)展，DNA

測(cè)序技術(shù)取得重

大進(jìn)展，以高通量為特點(diǎn)的第二代測(cè)序技術(shù)逐漸走向市場(chǎng)，以單分子測(cè)序?yàn)樘攸c(diǎn)的第三代測(cè)序技術(shù)也已經(jīng)出現(xiàn)，其分別在測(cè)序特點(diǎn)上占有不同的優(yōu)勢(shì)。測(cè)序技術(shù)的快速發(fā)展，使小型化

/

臺(tái)式高主要生命科學(xué)學(xué)科的工作負(fù)載通量測(cè)序儀成為現(xiàn)實(shí)，這意味著大規(guī)?；蚪M測(cè)序?qū)⒉辉偈谴笮蛯?shí)驗(yàn)室或科研中心的專利，中小型實(shí)驗(yàn)室、公司、學(xué)科解決方案數(shù)據(jù)/應(yīng)用程序特點(diǎn)主要應(yīng)用程序臨床檢驗(yàn)中心都將能夠利用高通量測(cè)序技術(shù)快速高效的獲取大量信息，進(jìn)行科研或開發(fā)應(yīng)用。生物信息學(xué)搜索、對(duì)齊生物序列（和蛋結(jié)構(gòu)化數(shù)據(jù)整數(shù)占主導(dǎo)，頻率依、、DNANCBI

BLAST

wuBLASTClustaIW

HMMER

FASTASmith-Waterman-序列分析白質(zhì)）并對(duì)其進(jìn)行模式匹配賴性，大量緩存和內(nèi)存并非、、、BW關(guān)鍵，一些算法適合進(jìn)行SIMD2.第一代測(cè)序技術(shù)加速生物信息學(xué)對(duì)齊并合并短片段，以重建一些需要大量?jī)?nèi)存、、、DNA?Phrap/phred

CAP3/PCAP

Velvet原始序列許多為IO密集型任務(wù)ABySS、SOAPdenovo、Newbler、20

世紀(jì)七十年代中期，Sanger

提出了經(jīng)典的雙脫氧核苷酸末端終止測(cè)序法，標(biāo)志著第一代測(cè)序技術(shù)的形成。-NGS??字符串分析和匹配算法MAQ、BOWTIE、BFAST、SOAP、、SAM工具、GATK，第一代測(cè)序技術(shù)完成人類基因組計(jì)劃，花費(fèi)了

30

億美元巨資，耗時(shí)長(zhǎng)達(dá)三年，測(cè)序成本高，測(cè)序速度比較慢。BioScopeBowtie、Bwa等二代測(cè)序的比對(duì)工具，等數(shù)據(jù)預(yù)處理工具至今為止，應(yīng)用最廣泛的第一代

DNA

測(cè)序儀即是基于毛細(xì)管電泳和熒光標(biāo)記技術(shù)的

3730

系列自動(dòng)測(cè)序儀。Fastqc生物化學(xué)篩選大型數(shù)據(jù)庫(kù)，查找具有所需大多為浮點(diǎn)數(shù)據(jù)、、、???Dock

Autodock

GLIDEFTDock

Ligand?t

Flexx-藥物研發(fā)生物活性的潛在藥物計(jì)算密集型極高、、高度并行任務(wù)3.第二代測(cè)序技術(shù)計(jì)算化學(xué)使用分子動(dòng)力學(xué)和量子力學(xué)技術(shù)需要處理大量浮點(diǎn)數(shù)據(jù)、、???CHARMM/CHARMm

GROMACS-分子模擬和對(duì)生物分子進(jìn)行建模延遲至關(guān)重要、、、、Desmond

AMBER

NAMD

Gaussian量子力學(xué)頻率依賴性、、隨著人類基因組計(jì)劃的完成，傳統(tǒng)的測(cè)序方法已經(jīng)不能滿足深度測(cè)序和重

復(fù)測(cè)序等大規(guī)模基因組測(cè)序的需求，GAMESS

Jaguar

NWCHEM?

可縮短到100秒以下蛋白質(zhì)組學(xué)解讀質(zhì)譜分析數(shù)據(jù)，將頻譜與蛋整數(shù)比較、、這促使了以高通量為顯著特征的第二代測(cè)序技術(shù)的誕生。第二代測(cè)序技術(shù)主要包括

454

公司的

GS

FLX

測(cè)序平?Mascot

Sequest白質(zhì)數(shù)據(jù)庫(kù)進(jìn)行匹配?

FFT頻譜分析具有浮點(diǎn)數(shù)據(jù)ProteinProspector、臺(tái)、Illumina

公司的

SolexaGenomeAnalyzer

測(cè)序平臺(tái)和

ABI

公司的

SOLiD

測(cè)序平臺(tái)。?

對(duì)通信要求不高X!Tandem、OMSSA結(jié)構(gòu)生物學(xué)用物理學(xué)方法，配合生物化學(xué)和數(shù)據(jù)量大為典型代表優(yōu)化454

測(cè)序技術(shù)利用了焦磷酸測(cè)序原理。454

測(cè)序系統(tǒng)是第二代測(cè)序技術(shù)中第一個(gè)商業(yè)化運(yùn)營(yíng)的測(cè)序平臺(tái)。其在??Relio(GPU)分子生物學(xué)方法研究生物大分子計(jì)算密集型結(jié)構(gòu)與功能的新學(xué)科2005

年最早推出了第二代測(cè)序平臺(tái)

Genome

Sequence

20，完成支原體

Mycoplasm

a

genitalium

基因組測(cè)序。并在

2007

年推出性能更優(yōu)的測(cè)序平臺(tái)

GSFLX。2010

年秋，該公司自行研制的

GSJunior

測(cè)序儀上市，其在系統(tǒng)性能方面均得到提升。目前，GSJunior

測(cè)序儀平均讀取長(zhǎng)度長(zhǎng)達(dá)

400bp，每次運(yùn)行得到超過

35MB高質(zhì)量過濾后的數(shù)據(jù)，準(zhǔn)確率達(dá)

99%，平均運(yùn)行時(shí)間為

10

小時(shí)，更適合規(guī)模較小的實(shí)驗(yàn)室。與第二代測(cè)序平臺(tái)相比，454

技術(shù)最大的優(yōu)勢(shì)在于較長(zhǎng)的讀取長(zhǎng)度，使得后繼的序列拼接工作更加高效、準(zhǔn)確。但是，454

技術(shù)無(wú)法準(zhǔn)確測(cè)量同聚物的長(zhǎng)度，其技術(shù)的主要錯(cuò)誤主要于核苷酸的插入或缺失。聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書0910聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書Solexa

測(cè)序技術(shù)主要采用邊合成邊測(cè)序的方法

(SBS)。2009

年，Solex

推出了對(duì)讀測(cè)序的方法，使得在技術(shù)在測(cè)序完成前，各小片段的測(cè)序進(jìn)度不同。另外，類似于

454

技術(shù)，Heliscope

在面對(duì)同聚物時(shí)也會(huì)遇到一些層面上取得了進(jìn)步。目前，新一代的

Illumina

HiSeq

2000

測(cè)序儀的讀取長(zhǎng)度長(zhǎng)達(dá)

2×100bp，每次運(yùn)行能夠困難。但這個(gè)問題并不會(huì)十分嚴(yán)重

，因?yàn)橥畚锏暮铣蓵?huì)導(dǎo)致熒光信號(hào)的減弱，可以根據(jù)這一點(diǎn)來(lái)推測(cè)同聚物得到大約

200Gbp的數(shù)據(jù)，精確度達(dá)

99.5%

以上，使得在后續(xù)的序列拼接工作的計(jì)算量和難度上均有所增加。的長(zhǎng)度。此外，可以通過二次測(cè)序來(lái)提高

Heliscope

的準(zhǔn)確度，即在第一次測(cè)序完成后，通過變性和洗脫移除

3'Solexa

技術(shù)在合成中每次只能添加一個(gè)

dNTP，很好的解決了同聚物長(zhǎng)度的問題，其技術(shù)的主要錯(cuò)誤主要末端帶有

Poly(A)

的模板鏈，而第一次合成的鏈由于

5'

末端上有固定在平板上的寡聚

Poly(T)，因而不會(huì)被洗是核苷酸的替換，其錯(cuò)誤率大約在

1%-1.5%

之間。脫掉。第二次測(cè)序以第一次合成的鏈為模板，對(duì)其反義鏈進(jìn)行測(cè)序。對(duì)

Heliscope

來(lái)說，由于在合成中可能摻有未標(biāo)記的堿基，因此其最主要的錯(cuò)誤是缺失。一次測(cè)序的缺失錯(cuò)誤率約為

2-7%，二次測(cè)序的缺失錯(cuò)誤率SOLiD技術(shù)利用了

DNA

連接酶測(cè)序的方法，通過連接反應(yīng)進(jìn)行測(cè)序。其基本原理是以四色熒光標(biāo)記的寡核苷約為

0.2-1%。相比之下替換錯(cuò)誤率很低，一次測(cè)序的替換錯(cuò)誤率僅為

0.01-1%?？傮w來(lái)說，采用二次測(cè)序方法，酸進(jìn)行多次連接合成，取代傳統(tǒng)的聚合酶連接反應(yīng)。SOLiD

是ABI

公司于

2007

年底推出的全新測(cè)序技術(shù)，目Heliscope

可以實(shí)現(xiàn)目前測(cè)序技術(shù)中最低的替換錯(cuò)誤率，即

0.001%。前已發(fā)展到

SOLiD4Plus，其讀長(zhǎng)達(dá)到

50bp，每次運(yùn)行能夠得到

80-100Gbp

的數(shù)據(jù)量。（sdarticle）最新研發(fā)出來(lái)的

5500xlsolid系統(tǒng)（SOLiD4hp）每次運(yùn)行能夠得到

240Gbp數(shù)據(jù)量，其準(zhǔn)確率達(dá)到

99.94%。然而，Pacific

Biosciences

公司的

SMRT

技術(shù)基于邊合成邊測(cè)序的思想，以

SMRT

芯片為測(cè)序載體進(jìn)行測(cè)序反應(yīng)。盡管新一代測(cè)序技術(shù)優(yōu)勢(shì)多，其局限性也不容忽視，測(cè)序速度提高了，但是測(cè)序產(chǎn)生的海量數(shù)據(jù)卻為后續(xù)的分SMRT

芯片是一種帶有很多

ZMW(zero-mode

waveguides)

孔的厚

度為

100

nm

的金屬片。將

DNA

聚合析與存儲(chǔ)帶來(lái)了巨大的挑戰(zhàn)。酶、待測(cè)序列和不同熒光標(biāo)記的

dNTP

放入

ZMW

孔的底部，進(jìn)行合成反應(yīng)。與其他技術(shù)不同的是，熒光標(biāo)記的位置是磷酸基團(tuán)而不是堿基。當(dāng)一個(gè)

dNTP

被添加到合成鏈上的同時(shí)，它會(huì)進(jìn)入

ZMW

孔的熒光信號(hào)檢測(cè)區(qū)相對(duì)于

Sanger

測(cè)序技術(shù)，第二代測(cè)序技術(shù)具有成本低、高度并行化和通量高速度快的優(yōu)點(diǎn)。但第二代測(cè)序儀并在激光束的激發(fā)下發(fā)出熒光，根據(jù)熒光的種類就可以判定

dNTP

的種類。此外由于

dNTP

在熒光信號(hào)檢測(cè)區(qū)又有各自的特點(diǎn)：停留的時(shí)間（毫秒級(jí)）與它進(jìn)入和離開的時(shí)間（微秒級(jí)）相比會(huì)很長(zhǎng)，所以信號(hào)強(qiáng)度會(huì)很大。其它未參與合成的

dNTP

由于沒進(jìn)入熒光型號(hào)檢測(cè)區(qū)而不會(huì)發(fā)出熒光。在下一個(gè)

dNTP

被添加到合成鏈之前，這個(gè)

dNTP

的磷454:

讀長(zhǎng)較長(zhǎng)（可達(dá)

400bp），但通量較小，比較適合用來(lái)測(cè)量較長(zhǎng)的

DNA

片段或全新測(cè)序

(de

novo酸基團(tuán)會(huì)被氟聚合物（fluoropolymer）切割并釋放，熒光分子離開熒光信號(hào)檢測(cè)區(qū)。SMRT

技術(shù)的測(cè)序速度sequencing)，例如：可用它測(cè)序個(gè)人基因組?已經(jīng)測(cè)序出

Watson

的基因組（7.4

的覆蓋

率）和

Nean-很快，利用這種技術(shù)測(cè)序速度可以達(dá)到每秒

10

個(gè)

dNTP。derthal的

DNA序列。Oxford

Nanopore

Technologies

公司正在研究的納米孔單分子技術(shù)是一種基于電信號(hào)測(cè)序的技術(shù)。他們?cè)O(shè)計(jì)Solexa:讀長(zhǎng)較短（35-50

bp），但通量大，機(jī)器運(yùn)行一次就可產(chǎn)生

1.5

Gb，用

pair-ended

庫(kù)測(cè)序數(shù)據(jù)量可了一種以

α-

溶血素為材料制作的納米孔，在孔內(nèi)共價(jià)結(jié)合有分子接頭環(huán)糊精。用核酸外切酶切割

ssDNA

時(shí)，達(dá)

3Gb。Solexa

多數(shù)情況下用于測(cè)序小片段的核苷酸序列，如

ChIP-seq、mRNA-seq

等等；其深度測(cè)序也被切下來(lái)的單個(gè)堿基會(huì)落入納米孔，并和納米孔內(nèi)的環(huán)糊精相互作用，短暫地影響流過納米孔的電流強(qiáng)度，這可用于人的基因組序列，但其覆蓋

率一般比較高（>30倍）。種電流強(qiáng)度的變化幅度就成為每種堿基的特征。堿基在納米孔內(nèi)的平均停留時(shí)間是毫秒級(jí)的，它的解離速率常數(shù)與電壓有關(guān)，180

mV

的電壓就能夠保證在電信號(hào)記錄后將堿基從納米孔中清除。納米孔單分子技術(shù)的另一SOLiD:性能參數(shù)與

Solexa接近，但通量略高，機(jī)器運(yùn)行一次可產(chǎn)生

3

～

6Gb的數(shù)據(jù)，但需花

6

～

10天（而大特點(diǎn)是能夠直接讀取甲基化的胞嘧啶，而不像傳統(tǒng)方法那樣必須要用重

亞硫酸鹽（bisulfite）處理，這對(duì)于Solexa

運(yùn)行一次花

3天）。在基因組水平研究表觀遺傳相關(guān)現(xiàn)象提供了巨大的幫助。納米孔單分子技術(shù)的準(zhǔn)確率能達(dá)到

99.8%，而且一旦發(fā)現(xiàn)替換錯(cuò)誤也能較容易地更改，因?yàn)?/p>

4

種堿基中的

2

種與另外

2

種的電信號(hào)差異很明顯，因此只需在與檢測(cè)第三代測(cè)序技術(shù)到的信號(hào)相符的

2

種堿基中做出判斷，就可修正錯(cuò)誤。另外由于每次只測(cè)定一個(gè)核苷酸，因此該方法可以很容4.易地解決同聚物長(zhǎng)度的測(cè)量問題。該技術(shù)尚處于研發(fā)階段，目前面臨的兩大問題是尋找合適的外切酶載體以及近期出現(xiàn)的

Helicos

公司的

Heliscope

單分子測(cè)序儀、Pacific

Biosciences

公司的

SMRT

技術(shù)和

Oxford承載納米孔平臺(tái)的材料。NanoporeTechnologies

公司正在研究的納米孔單分子技術(shù)，被認(rèn)為是第三代測(cè)序技術(shù)。與前兩代技術(shù)相比，他們最大的特點(diǎn)是單分子測(cè)序。其中，Heliscope

技術(shù)和

SMRT

技術(shù)利用熒光信號(hào)進(jìn)行測(cè)序，而納米孔單分子5.測(cè)序技術(shù)應(yīng)用測(cè)序技術(shù)利用不同堿基產(chǎn)生的電信號(hào)進(jìn)行測(cè)序。Helicos公司的

Heliscope

單分子測(cè)序儀基于邊合成邊測(cè)序的思想，將待測(cè)序列隨機(jī)打斷成小片段并在

3'

末端目前，第三代測(cè)序技術(shù)尚處于研發(fā)階段，第二代測(cè)序技術(shù)已經(jīng)應(yīng)用于基因組學(xué)研究的各個(gè)方面，因此主要介紹加上

Poly(A)，用末端轉(zhuǎn)移酶在接頭末端加上

Cy3

熒光標(biāo)記。用小片段與表面帶有寡聚

Poly(T)

的平板雜交。第二代測(cè)序技術(shù)在基因組測(cè)序及轉(zhuǎn)錄測(cè)序等方面的應(yīng)用。然后，加入

DNA

聚合酶和

Cy5

熒光標(biāo)記的

dNTP

進(jìn)行

DNA

合成反應(yīng)，每一輪反應(yīng)加一種

dNTP。將未參與合成的

dNTP

和

DNA

聚合酶洗脫，檢測(cè)上一步記錄的雜交位置上是否有熒光信號(hào)，如果有則說明該位置上結(jié)合了所加入的這種

dNTP。用化學(xué)試劑去掉熒光標(biāo)記，以便進(jìn)行下一輪反應(yīng)。經(jīng)過不斷地重

復(fù)合成、洗脫、成像、淬滅過程完成測(cè)序。Heliscope

的讀取長(zhǎng)度約為

30-35bp，每個(gè)循環(huán)的數(shù)據(jù)產(chǎn)出量為

21-28Gb。值得注意的，聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書11算6.DNA

測(cè)序沒有注釋的小片段

RNA

進(jìn)行預(yù)測(cè)，更重要的是通量的增加甚至可以捕捉體內(nèi)一些低表達(dá)的小

RNA，在小

RNA檢測(cè)方面確實(shí)具有極大的優(yōu)勢(shì)。全基因組測(cè)序新一代高通量測(cè)序技術(shù)的發(fā)展，使得物種全基因組測(cè)序變得速度快、效率和準(zhǔn)確率更高，越來(lái)越多的物種基因表觀遺傳學(xué)8.組信息相繼公布。全基因組測(cè)序主要應(yīng)用與基因組序列未知的物種，DNA

片段測(cè)序后，用生物信息學(xué)軟件對(duì)序列進(jìn)行拼接、組裝，從而獲得該物種的基基因組序列圖譜。甲基化測(cè)序因組重

測(cè)序DNA

甲基化是可改變?nèi)旧|(zhì)結(jié)構(gòu)、DNA

穩(wěn)定性及

DNA

與蛋白質(zhì)相互作用的一種重要基因調(diào)控方式，以達(dá)到控制基因表達(dá)的目的。高通量測(cè)序技術(shù)在檢測(cè)全基因組范圍內(nèi)的甲基化位點(diǎn)方面也提出了高效的解決方案。重測(cè)序是指該物種基因組序列已被測(cè)序，有參考基因組序列的測(cè)序工作。第

2

代高通量測(cè)序技術(shù)目前應(yīng)用最為其原理為：由于在哺乳動(dòng)物中甲基化一般發(fā)生在

CpG

的胞嘧啶

5

位碳原子上，所以可通過特異性結(jié)合甲基化廣泛的領(lǐng)域就是對(duì)已知基因組物種進(jìn)行重

新測(cè)序，基因組結(jié)構(gòu)變異、單核苷酸多態(tài)性、群體多態(tài)性、突變熱點(diǎn)DNA

的蛋白

MBD2b

或

5′

-

甲基胞嘧啶抗體富集高甲基化的

DNA

片段，用高通量測(cè)序?qū)Ω患降?/p>

DNA

片段等重要信息都是通過重

測(cè)序研究發(fā)現(xiàn)的。進(jìn)行測(cè)序，從而檢測(cè)全基因組范圍內(nèi)的甲基化位點(diǎn)。宏基因組研究轉(zhuǎn)錄因子結(jié)合位點(diǎn)測(cè)序宏基因組學(xué)（Meta-Genomics）測(cè)序是近年來(lái)提出的一種新概念，即不再進(jìn)行分離，而是從整體上研究整個(gè)微轉(zhuǎn)錄因子是通過與

DNA

特定區(qū)域相結(jié)合，開啟或關(guān)閉基因的表達(dá)以達(dá)到調(diào)控基因表達(dá)目的的一種生物體內(nèi)生物種群結(jié)構(gòu)的特征，研究對(duì)象從單一基因組發(fā)展到基因組集合，擺脫了對(duì)于傳統(tǒng)基因組研究的物種限制，開常見的調(diào)控蛋白。染色質(zhì)免疫共沉淀技術(shù)（ChIP）也稱結(jié)合位點(diǎn)分析法，是研究體內(nèi)蛋白質(zhì)（轉(zhuǎn)錄因子）與辟了微生物群體，特別是不可培養(yǎng)微生物菌群基因組學(xué)研究的新路徑。該類研究的具體操作方法是在提取微生DNA

相互作用的有力工具，通常用于轉(zhuǎn)錄結(jié)合位點(diǎn)或組蛋白特異性修飾位點(diǎn)的研究。將

ChIP

與第

2

代高通量物種群的總

DNA

后，制備整個(gè)種群的

DNA

文庫(kù)，然后進(jìn)行高通量的測(cè)序，從而在整體上對(duì)樣品群落進(jìn)行分析。測(cè)序技術(shù)相結(jié)合的

ChIP-Seq

技術(shù)，能夠高效地在全基因組范圍內(nèi)檢測(cè)與組蛋白、轉(zhuǎn)錄因子等互作的

DNA

區(qū)段。與傳統(tǒng)的微生物研究相比，宏基因組研究跳出了實(shí)驗(yàn)室培養(yǎng)的局限，真實(shí)地描述了大自然生態(tài)群落的復(fù)雜性和ChIP-Seq

的原理是，首先通過染色質(zhì)免疫共沉淀技術(shù)（ChIP）特異性地富集目的蛋白結(jié)合的

DNA

片段，并多樣性，對(duì)于人類更好地了解微生物群落有著重要的意義。目前，歐盟推出的人類腸道宏基因組計(jì)劃（MetaHIT），對(duì)其進(jìn)行純化與文庫(kù)構(gòu)建，然后對(duì)富集得到的

DNA

片段進(jìn)行高通量測(cè)序。研究人員通過將獲得的數(shù)百萬(wàn)條序列就是通過研究人類腸道中所有的微生物種類，為明確腸道微生物與肥胖等人類疾病的關(guān)系提供重要的理論依據(jù)。標(biāo)簽精確定位到基因組上，從而獲得全基因組范圍內(nèi)與組蛋白、轉(zhuǎn)錄因子等互作的

DNA區(qū)段信息。7.

RNA

測(cè)序9.測(cè)序數(shù)據(jù)處理轉(zhuǎn)錄組測(cè)序基本的數(shù)據(jù)處理和分析涉及：生物體最主要的調(diào)控方式就是轉(zhuǎn)錄水平的調(diào)控，而作為目前從全基因組水平研究基因表達(dá)的主流方法，建立在第一步，對(duì)測(cè)序獲取的短序列進(jìn)行比對(duì)拼接。如果是重測(cè)序，可以用

bowtie

進(jìn)行參考基因組比對(duì)，即匹配測(cè)高通量測(cè)序技術(shù)基礎(chǔ)上的轉(zhuǎn)錄組研究已逐漸取代了基因芯片技術(shù)。該方法對(duì)大量樣品同時(shí)進(jìn)行測(cè)序，可獲得樣序短片段在參考基因組上的位置；如果是對(duì)新物種進(jìn)行從頭

(De

Novo)測(cè)序，用

velvet

進(jìn)行拼接，即利用測(cè)品之間的表達(dá)差異，而同一樣品進(jìn)行深度測(cè)序時(shí)可以捕獲低表達(dá)的基因。此外，還可以獲得轉(zhuǎn)錄本表達(dá)豐度、序短片段重

構(gòu)基因組序列。轉(zhuǎn)錄發(fā)生位點(diǎn)、轉(zhuǎn)錄本

SNP、可變剪切等重要信息，因此，轉(zhuǎn)錄組測(cè)序越來(lái)越多地用于各種生物的差異表達(dá)基因的篩選及可變剪切的鑒定等方面。第二步，比對(duì)拼接后，進(jìn)行全基因組基因注釋。包括基因組組分分析，SNP

分析，編碼基因預(yù)測(cè)，重

復(fù)序列注釋，Non-codingRNA基因進(jìn)行功能

(GeneOntology，Pathway

等

)

注釋?？梢杂?/p>

InterproScan，WEGO。因組和分子進(jìn)化分析。如快速進(jìn)化

(Rapid

Evolution)

分析

,

共線性分析

(SyntenyBlock)，因注釋，MicroRNA

基因注釋等。如

SNP

分析可以用

MAQ。小分子

RNA

測(cè)序第三步，對(duì)預(yù)測(cè)的基小分子

RNA

近幾年受到了科學(xué)界的廣泛關(guān)注，它是一類長(zhǎng)約

20

～

30

個(gè)核苷酸的非編碼

RNA

分子，其介導(dǎo)的轉(zhuǎn)錄后基因調(diào)控是生物體的一種新型基因調(diào)控機(jī)制，它在生物體的生長(zhǎng)發(fā)育和適應(yīng)外界各種環(huán)境脅迫的過程第四步，比較基中起著非常重要的作用。傳統(tǒng)的對(duì)小分子

RNA

的研究方法主要包括克隆測(cè)序法、正向遺傳學(xué)篩選、芯片技術(shù)等，基因家族分析等。常用的進(jìn)化樹分析軟件如

MEGA。而高通量測(cè)序給小分子

RNA

研究拓展了新的思路。高通量測(cè)序技術(shù)既能捕捉真實(shí)存在的小

RNA，同時(shí)也能對(duì)這個(gè)過程中，突出的問題有：聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書1314聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書①

軟件選擇難。對(duì)應(yīng)某一功能有上百種軟件可選，隨著儀器的更新?lián)Q代，數(shù)據(jù)格式的變化，同一款軟件的算法雖能利用高覆蓋

度來(lái)處理測(cè)序產(chǎn)生的錯(cuò)誤，但其也只適合拼接病毒和細(xì)菌這些較短較簡(jiǎn)

單的基因組。不斷升級(jí)；SHARCGS

延續(xù)了

VCAKE

對(duì)拼接不確定的處理，并加入了對(duì)測(cè)序錯(cuò)誤的修復(fù)，從而有效提高了拼接質(zhì)量。與②

分析效率不高。多為領(lǐng)域?qū)＜乙蕾嚹_本語(yǔ)言和庫(kù)寫成的軟件，未考慮與硬件資源使用的匹配?；旧儆袃?yōu)化，SSAKE

和

VCAKE

相比，它在內(nèi)存、速度、準(zhǔn)確度上都有所改善。但這

3

種算法核心相似，所有它們的整體并行化，串行或多線程軟件居多；性能差別不大，都只能應(yīng)用在簡(jiǎn)

單病毒、細(xì)菌基因組的拼接上，且較為耗時(shí)。③

分析流程中多軟件銜接難。多數(shù)的高通量測(cè)序數(shù)據(jù)分析需幾個(gè)軟件配合完成，各軟件通過腳本和大數(shù)據(jù)的重基Overlap-Layout-Consensus(OLC)拼接策略一般分為以下

3

個(gè)步驟：于的拼接策略O(shè)verlap-Layout-Consensus復(fù)讀寫（數(shù)據(jù)格式也需匹配）來(lái)協(xié)調(diào)。例如，比對(duì)之后做

SNP

檢測(cè)，那么比對(duì)結(jié)果將作為

SNP

分析的輸入；④

各軟件資源使用特征差異大。例如，拼接軟件需要大量的內(nèi)存消耗，比對(duì)則是典型的數(shù)據(jù)密集計(jì)算。Overlap，對(duì)所有的

read

進(jìn)行兩兩比對(duì)，以獲得可能存在的重

疊信息，并建立重

疊圖，通常將每個(gè)

read

看作除了各分析算法上的不斷優(yōu)化，當(dāng)前業(yè)界突出的兩方面進(jìn)展表現(xiàn)在工作流系統(tǒng)和云計(jì)算的應(yīng)用。比如

UCSC

開圖上的一個(gè)節(jié)點(diǎn)，當(dāng)

readA

的后綴和

readB

的前綴具有超過閾值的重

疊時(shí)，A和

B

建立連接；發(fā)的針對(duì)第二代測(cè)序數(shù)據(jù)分析的應(yīng)用系統(tǒng)

Galaxy，Notre

Dame

大學(xué)仿

makefile

開發(fā)的用來(lái)在集群、云和Layout，分析重

疊圖，盡可能尋找貫穿重

疊圖上所有節(jié)點(diǎn)的合適路徑，但在實(shí)際執(zhí)行中由于測(cè)序錯(cuò)誤或重

復(fù)序網(wǎng)格中執(zhí)行大而復(fù)雜任務(wù)的工作流引擎

Makeflow；計(jì)算大規(guī)模

RNA-seq

數(shù)據(jù)集基因差異表達(dá)的云計(jì)算工具列等原因，尋找的結(jié)果是多條路徑，即多個(gè)

DNA序列片段；Myrna，基于序列片段數(shù)據(jù)進(jìn)行

SNPcalling

的

MapReduce

軟件

Crossbow。根據(jù)多個(gè)序列片段比對(duì)得到最后的結(jié)果序列，稱作

"Consensus"序列。10.

denovo

序列拼接OLCNP策略理想的情況是在重

疊途中找到一條路徑能夠遍歷所有的節(jié)點(diǎn)，即尋找圖的Hamilton路徑，是一個(gè)問題，因此使用這種策略的拼接工具通常時(shí)間復(fù)雜度較高。新一代基因測(cè)序技術(shù)所產(chǎn)生的序列片段具有序列短、高覆蓋

率、額外的雙端信息等特點(diǎn)。大量的

overlap（重疊區(qū)域）的產(chǎn)生，增加了組裝算法的計(jì)算量，初始測(cè)序數(shù)據(jù)的龐大對(duì)算法內(nèi)存的要求隨之增加。這就使得序列組目前典型的拼接工具包括：CABOG，Edena，Newbler

和

Shorty。Newbler

只適用于

Roche

/454

測(cè)序儀裝軟件不僅要處理重

疊區(qū)域，片段間隔，還要處理短片段。而且短片段通常使得前兩個(gè)問題更加嚴(yán)重

。de

novo產(chǎn)生較長(zhǎng)

read

數(shù)據(jù)

(250-400bp)，并設(shè)計(jì)特定的過程用于處理

454

測(cè)序儀在均聚物位置長(zhǎng)度不確定問題；序列組裝問題就是對(duì)測(cè)序產(chǎn)生的大量長(zhǎng)度為

50bp

到

100bp

的重

疊序列片段進(jìn)行比對(duì)合并，以重

構(gòu)源序列。而CABOG，Newbler

和

Shorty

都在拼接過程中對(duì)測(cè)序錯(cuò)誤和

repeat

進(jìn)行了處理。CABOG

也只能對(duì)

100bp基因組源序列的長(zhǎng)度長(zhǎng)達(dá)幾個(gè)

Gbp。因此，如果沒有高效的序列組裝軟件，對(duì)大基因組測(cè)序后產(chǎn)生的數(shù)以億計(jì)長(zhǎng)度以上的

read

進(jìn)行拼接方能實(shí)現(xiàn)較好的拼接性能，它使用了一種稱為

"rocks

andstones"的技術(shù)實(shí)現(xiàn)對(duì)測(cè)重疊序列片段進(jìn)行組裝幾乎是不可能的。序錯(cuò)誤的糾正；Shorty

和

Edena

都適用于短

read

數(shù)據(jù)的拼接，Edena

建立

transitively

reduced

重

疊圖降低圖的復(fù)雜度；Shorty

能通過

300-500bp

長(zhǎng)度的配對(duì)末端

read

數(shù)據(jù)來(lái)估計(jì)拼接得到的序列片段間的距離，目前廣泛使用的拼接策略大致分為三類：Greedyextension，Overlap-Layout-Consensus

和

deBruijngraph。目前它更多地針對(duì)于拼接

ABI

測(cè)序儀的

SOLiD類型數(shù)據(jù)?；?/p>

Greedy-extension

的拼接策略基于

deBruijngraph的拼接策略Greedy-extension

拼接策略從一個(gè)

read

出發(fā)，將其作為種子序列，搜索所有其前綴與種子序列的后綴具有超現(xiàn)在使用最多的是DeBruijn圖算法，其代表軟件包括Euler,

allpaths,velvet、idba、soapdenovo和abyss等。過閾值重疊

(

overlap)

的

read，或選擇具有最大重

疊長(zhǎng)度的

read

進(jìn)行延伸，或通過投票選擇最大可能的堿基該算法思想是“反直覺”法：在將

reads

組裝前，將其切分為長(zhǎng)度為

k

的子串，每一個(gè)節(jié)點(diǎn)

N

代表了一系列長(zhǎng)進(jìn)行延伸，然后將延伸的結(jié)果作為種子序列，迭代延伸來(lái)完成拼接。Greedy-extension

拼接策略是一種貪心度為

k

的子串，稱為

k-mers。相鄰的

k-mers

之間存在

N-1

個(gè)重

疊的堿基?；蛐蛄信挪夹畔⒂梢来沃?/p>

疊的策略，可能出現(xiàn)錯(cuò)誤延伸。k-mers

最后一個(gè)堿基的讀取順序決定。N

節(jié)點(diǎn)上的基因序列的內(nèi)容表示為

s(N)。由于序列的測(cè)定的方向性并不明確，為了保證序列組裝的正確性，對(duì)于每一個(gè)

N

節(jié)點(diǎn)，都有一個(gè)反向的

N'

節(jié)點(diǎn)而對(duì)應(yīng)，N

與

N'

是關(guān)聯(lián)在使用

Greedy-extension

拼接策略具有代表性的拼接工具包括

SHARCGS，SSAKE，VCAKE

和

QSRA。一起的，所有對(duì)于

N

的操作同時(shí)也對(duì)

N'

有效。De

Bruijn

圖算法的目的在于得到?jīng)]有分支的最大路徑，基于此在

SSAKE

中，首先從

hash

表中選取數(shù)量最多的

read

作為種子，然后采用絕對(duì)貪婪的方法，檢索出與種子最大路徑，得到

contigs。DeBruijn

圖算法的主要工作就是通過獲得的原始數(shù)據(jù)構(gòu)建一個(gè)有眾多

N

節(jié)點(diǎn)的圖，匹配的

read，并按一定規(guī)則拼接，同時(shí)補(bǔ)充相應(yīng)的反向互補(bǔ)序列，逐步形成雙鏈

config（即根據(jù)

read

間的然后用“邊”來(lái)連接這些節(jié)點(diǎn)，從而構(gòu)建一個(gè)連續(xù)的序列信息。overlap，由

read

拼接成的片段重

疊群），從而實(shí)現(xiàn)序列的擴(kuò)展。當(dāng)源數(shù)據(jù)的覆蓋

度很高時(shí)，SSAKE

可以從頭拼接一些簡(jiǎn)

單病毒的

DNA，但是拼接長(zhǎng)度較短，而且對(duì)于真實(shí)測(cè)序中產(chǎn)生的錯(cuò)誤，SSAKE

無(wú)能為力。在

Velvet

中，它先根據(jù)

k-mer

構(gòu)建

de

Bruijin

圖，然后結(jié)合序列特征及圖的結(jié)構(gòu)特征，處理圖中的錯(cuò)誤read，最后找到一條最優(yōu)路徑作為拼接結(jié)果。與之前的算法相比，在拼接速度上有所提高，但由于沒有對(duì)數(shù)據(jù)VCAKE

是對(duì)

SSAKE

的修訂，它將所有與種子有

overlap

的

read

考慮到，并且每次只擴(kuò)展一個(gè)堿基。VCAKE進(jìn)行壓縮處理，所以占用內(nèi)存較多。聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書1516聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書13.序列比對(duì)方法需求特點(diǎn)①

allpaths，velvet

等軟件均為單機(jī)多線程運(yùn)行，對(duì)內(nèi)存需求較大，對(duì)存儲(chǔ)性能要②

abyss

可進(jìn)行分布式運(yùn)算求較高；目前已知的序列比對(duì)方法很多，依據(jù)不同的劃分方式有不同的分類。根據(jù)同時(shí)進(jìn)行比對(duì)序列的數(shù)目分為兩兩比對(duì)和多序列比對(duì)，從比對(duì)范圍考慮分為全局比對(duì)和局部比對(duì)。，將數(shù)據(jù)分布式存儲(chǔ)于每個(gè)節(jié)點(diǎn)上，采用

MPI

實(shí)現(xiàn)節(jié)點(diǎn)間通信。雙序列比對(duì)根據(jù)算法結(jié)構(gòu)的不同，將雙序列比對(duì)算法分為三類：動(dòng)態(tài)規(guī)劃的優(yōu)化方法，啟發(fā)式算法和大型數(shù)據(jù)庫(kù)搜索設(shè)計(jì)11.序列比對(duì)的概率方法。生物序列比對(duì)的基本思想是基于分子生物學(xué)中的一條經(jīng)驗(yàn)規(guī)則，即當(dāng)兩個(gè)分子享有相似的序列時(shí)，由于進(jìn)化關(guān)系或者物理化學(xué)限制，它們將很有可能具有相似的結(jié)構(gòu)和生物學(xué)功能。因此序列比對(duì)（Sequence

Alignment）①

動(dòng)態(tài)規(guī)劃的優(yōu)化算法的基本問題是比較兩個(gè)或兩個(gè)以上符號(hào)序列的相似性或不相似性，盡可能確切的反映它們之間的相似性和不相Needleman-Wunsch

算法是最早的序列比對(duì)算法，屬于全局序列比對(duì)，在生物信息處理中應(yīng)用廣泛。似性，用于闡明序列之間的同源關(guān)系，通過序列比對(duì)，找出序列之間的相似性，發(fā)現(xiàn)與結(jié)構(gòu)相聯(lián)系的保守序列片段，Smith-Waterman

算法是一種局部相似性的動(dòng)態(tài)規(guī)劃算法，在識(shí)別局部相似性時(shí)具有很高的靈敏度，是雙序以及檢測(cè)新測(cè)定序列與數(shù)據(jù)庫(kù)中已知結(jié)構(gòu)和功能的序列之間的相似性關(guān)系，從而以足夠的可信度確定新序列的列比對(duì)算法中最基本的算法。結(jié)構(gòu)和功能信息。②

啟發(fā)式算法對(duì)于第二代測(cè)序平臺(tái)數(shù)據(jù)的分析，最為重要的一步是將所產(chǎn)生讀段通過序列比對(duì)形式完成序列相似性比較。由于第二代測(cè)序平臺(tái)數(shù)據(jù)通量高，因此，第二代序列比對(duì)方法一般分為兩步：首先對(duì)讀段數(shù)據(jù)或者參考基因組進(jìn)1）FASTA

算法行歸類整理等預(yù)處理；然后通過適當(dāng)?shù)乃惴?，將短讀段序列進(jìn)行比對(duì)和定位。FASTA

是雙序列比對(duì)啟發(fā)式算法

,

采用了改進(jìn)的

wilbllr

和

Lipmall

算法以集中反映具有顯著意義的比對(duì)結(jié)果。它的基本思想是：一個(gè)能揭示出真實(shí)序列關(guān)系的比對(duì)至少包含一個(gè)兩條序列都擁有的片段，把查詢序列中的所12.高通量數(shù)據(jù)預(yù)處理方法有片段編成

Hash

表，然后在數(shù)據(jù)庫(kù)搜索時(shí)查詢這個(gè)

Hash

表，以檢索出可能的匹配，這樣命中的片段就能很快地被鑒定出來(lái)。對(duì)高通量的序列片段數(shù)據(jù)進(jìn)行的預(yù)處理方法一般有兩類，即基于哈希表的方法和基于后綴

trie

的

Burrows-Wheeler轉(zhuǎn)換思想。2）BLAST

算法基于哈希表的方法基本思想是對(duì)參考基因序列（也有少數(shù)工具是對(duì)讀段序列）建立哈希表，使用定長(zhǎng)的種子在BLAST

算法可以兼顧搜尋的速度以及搜尋結(jié)果的精確度，它比

FASTA

速度更快。它的基本思想是：產(chǎn)生比參考基因序列中選取序列與查詢序列比對(duì)。基于哈希表思想的方法的優(yōu)點(diǎn)是具有較高的匹配敏感性和準(zhǔn)確性，F(xiàn)ASTA

更少而更有意義的增強(qiáng)點(diǎn)，以提高整個(gè)算法的速度。BLAST

算法在不失敏感性的前提下大大提高了算但也有如下不足：第一，占用的內(nèi)存空間大；第二，產(chǎn)生的種子匹配過多。法的效率。為解決第一個(gè)問題，有學(xué)者提出了空位種子方法。該方法簡(jiǎn)

單來(lái)說，就是在定長(zhǎng)的種子中空出個(gè)別位置，延長(zhǎng)3）BLAT

算法種子長(zhǎng)度。使用該方法的比對(duì)工具主要有：SOAP，MAQ，RMAP，Mosaik

等。BLAT

算法最初用于人類基因組拼接和注釋過程中的大規(guī)模數(shù)據(jù)比對(duì)任務(wù)上。其速度快、共線性輸出結(jié)果簡(jiǎn)單為解決第二個(gè)問題，有學(xué)者提出了后綴

Trie

方法。后綴

Trie

是一種

n

叉樹，n

為字母表大小。每個(gè)節(jié)點(diǎn)表示從易讀，存在的局限性是對(duì)于特殊的任務(wù)需要選擇合適的軟件，如：用于遠(yuǎn)親緣物種間的核酸序列比對(duì)時(shí)，比對(duì)根節(jié)點(diǎn)到此節(jié)點(diǎn)所經(jīng)過的所有字符組成的字符串，它的根結(jié)點(diǎn)不包含任何信息，是一種以犧牲存儲(chǔ)空間來(lái)降低精度就不夠高；在重

復(fù)搜索短小匹配片段的同時(shí)，會(huì)產(chǎn)生過多的沒有生物學(xué)意義的序列比對(duì)碎片。序列查詢時(shí)間的字符串預(yù)處理方式。后綴

Trie

的主要特征是：對(duì)于任何葉子

i，從根節(jié)點(diǎn)到該葉子所經(jīng)歷的邊的所有標(biāo)識(shí)串聯(lián)起來(lái)后恰好拼出

S

的從

i

位置開始的后綴，即

S[i，…，m]。樹中節(jié)點(diǎn)的標(biāo)識(shí)被定義為從根到該③

大型數(shù)據(jù)庫(kù)搜索設(shè)計(jì)的概率方法為基礎(chǔ)的算法節(jié)點(diǎn)的所有邊的標(biāo)識(shí)的串聯(lián)。后綴

trie

思想即通過

n

叉樹的形式組織各序列，利用字符串集合中字符串的公共MUMmer

算法是一種基于后綴樹數(shù)據(jù)結(jié)構(gòu)的全基因組比對(duì)方法，利用后綴樹的數(shù)據(jù)結(jié)構(gòu)有效地將算法的時(shí)間和部分來(lái)降低時(shí)間開銷以達(dá)到提高效率的目的，后綴

trie

就是包含了所給字段的所有后綴?？臻g復(fù)雜度由

(N

)

降到了

(N)。與

BLAST

算法相比，其后綴樹法在速度上快得多，且能處理大量的插入和刪3基于后綴

Trie

思想的

Burrows-Wheeler

轉(zhuǎn)換可以用“循環(huán)、排序”四個(gè)字來(lái)概括。采用

Burrows-Wheeler除片段，能識(shí)別重

復(fù)片段和單核酸多態(tài)性等多種全基因組序列中的復(fù)雜片段。轉(zhuǎn)換的代表是Bowtie

和

SOAP2，BWA，BWASW。聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書1718聯(lián)想高性能計(jì)算和人工智能醫(yī)療行業(yè)白皮書多序列比對(duì)組合后的片段進(jìn)行比對(duì)，就有可能找出該短小片段在基因組中最有可能的位點(diǎn)。采用空位種子片段索引法的代表是MAQ，ELAND，SOAP2

等。多序列比對(duì)算法的基礎(chǔ)是動(dòng)態(tài)規(guī)劃比對(duì)算法，但隨著比對(duì)序列數(shù)目及長(zhǎng)度的增加，問題的解空間也急劇增大。多序列比對(duì)的常用算法有漸進(jìn)算法、隱馬爾科夫模型、迭代比對(duì)法等。累進(jìn)方法是最常用的啟發(fā)式多序列比對(duì)2）Smith-Waterman

思想：Smith-Waterman

思想可以概括為一個(gè)評(píng)價(jià)打分技術(shù)，它基于動(dòng)態(tài)規(guī)劃策略的算法。局部序列比對(duì)技術(shù)，在一條搜索路徑中分?jǐn)?shù)可能增加、減少或者不變。通過相似性評(píng)估技術(shù)來(lái)對(duì)當(dāng)前節(jié)點(diǎn)打分，相同節(jié)點(diǎn)則增分，不同節(jié)點(diǎn)則減分，并且必須有間隙(Gap)

懲罰機(jī)制來(lái)處理片段空隙

。比較有代表性的使用該①

漸進(jìn)比對(duì)算法策略的比對(duì)軟件有：SHRIMP、BFAST、Mosaik

和

BWA-SW

等。漸進(jìn)比對(duì)算法是最常用的啟發(fā)式多序列比對(duì)算法。算法的基本假設(shè)是要比對(duì)的序列是同源的。算法的基本思想需求特優(yōu)點(diǎn)是點(diǎn)是由近至遠(yuǎn)將序列或子比對(duì)結(jié)果按雙重

比對(duì)算法逐步進(jìn)行比對(duì)，重

復(fù)這一過程直到所有序列都加入為止。這類算法的主要：簡(jiǎn)

單、快速，所占內(nèi)存較少。缺點(diǎn)是在比對(duì)初期引進(jìn)的空位插入錯(cuò)誤無(wú)法在比對(duì)后期因加①

計(jì)算主要為整數(shù)計(jì)算，基本無(wú)浮點(diǎn)計(jì)算。入其它序列而改正，易陷入局部最優(yōu)解。②

計(jì)算的主要特點(diǎn)為頻繁的

load

和

write（內(nèi)存的讀寫），意味著需要較大的內(nèi)存容量和內(nèi)存帶寬，需要直連CLUSTALW

是一個(gè)使用最廣的漸進(jìn)比對(duì)程序，該算法主要由三個(gè)步驟組成：計(jì)算距離矩陣；構(gòu)建指導(dǎo)樹；依架構(gòu)

CPU。據(jù)指導(dǎo)樹進(jìn)行漸進(jìn)比對(duì)。CLUSTALW

對(duì)于親緣關(guān)系較近的序列比對(duì)效果較好，但是對(duì)于分歧較大的序列，比③

具有很好的擴(kuò)展性，性能與參與比對(duì)的進(jìn)程數(shù)幾乎完全成線性關(guān)系，性能對(duì)網(wǎng)絡(luò)的壓力不大，建議使用具有對(duì)的準(zhǔn)確率明顯降低。最高性價(jià)比的千兆網(wǎng)，而不需求使用具有較高價(jià)格的

Infiniband

高速網(wǎng)。T-COFFEE

是另一個(gè)有代表性的漸進(jìn)比對(duì)算法，它的主要特點(diǎn)是將序列的兩兩局部及全局比對(duì)結(jié)果做成一個(gè)擴(kuò)展比對(duì)信息庫(kù)，再利用擴(kuò)展比對(duì)信息庫(kù)中的信息對(duì)序列進(jìn)行比對(duì)，這樣在每一步比對(duì)過程中都用到了所有序列計(jì)算資源需求之間的關(guān)系信息，在一定程度上提高了序列比對(duì)的準(zhǔn)確率，尤其是對(duì)于存在大量空位插入的情況，效果更為明顯。14.內(nèi)存②

迭代比對(duì)算法迭代比對(duì)

(

Iterative

alignment)

算法是另一類有效的多序列比對(duì)算法，它基于一個(gè)能產(chǎn)生比對(duì)的算法，并通常用的序列拼接軟件一般需要較大的內(nèi)存，內(nèi)存容量需以上，一般配置內(nèi)存槽位較多的四路或八路機(jī)架式1TB過迭代方式精細(xì)多序列比對(duì)，直到比對(duì)結(jié)果不再改進(jìn)為止。這類算法不能提供獲得優(yōu)化比對(duì)結(jié)果的保證，但卻服務(wù)器。具有魯棒性和對(duì)比對(duì)序列個(gè)數(shù)不敏感等特性。序列比對(duì)軟件可手動(dòng)調(diào)節(jié)問題規(guī)模，對(duì)內(nèi)存容量的需求不是必要條件，但需要保證內(nèi)存帶寬，按照

CPU

的內(nèi)存基于遺傳算法的多序列比對(duì)

SAGA

算法是一種實(shí)用的迭代算法。該算法的思想是將序列集中不等長(zhǎng)的序列以兩通道數(shù)量配置足夠多內(nèi)存條數(shù)。端加空位方式補(bǔ)齊，構(gòu)造初始群體中的個(gè)體；將初始群體中的個(gè)體按一定的概率進(jìn)行遺傳操作

(

復(fù)制、聯(lián)鎖互換、存儲(chǔ)突變

)

產(chǎn)生新的個(gè)體構(gòu)成新種群；對(duì)新種群的個(gè)體重

復(fù)上述的遺傳操作，直到滿足終止條件。個(gè)體適應(yīng)度函數(shù)用

WSP

度量。該算法的優(yōu)點(diǎn)是：可以對(duì)任意多個(gè)序列同時(shí)比對(duì)，而不會(huì)受到限制。主要缺點(diǎn)是速度慢，易于序列拼接軟件在計(jì)算時(shí)會(huì)產(chǎn)生中間數(shù)據(jù)，存儲(chǔ)性能的好壞對(duì)整個(gè)計(jì)算過程所需要的時(shí)間影響較大，對(duì)存儲(chǔ)的性陷入局域優(yōu)化解。能要求較高，一般配置多塊本地硬盤，計(jì)算過程中