生物计算整体解决方案 Total Solution of Bio-Computing

生物计算整体解决方案Total Solution of Bio-Computing

张鑫磊 博士生物信息部 经理北京健数通科技有限公司

大数据时代的生命科学产业 生命科学机构云体系 DNAdaptor 在蛋白质组学研究中的应用 天合生物计算一体机

生物的复杂性决定了生物学大数据的必然性Short of prior knowledge and hypothesis; even you have it, usually, you are wrong.

数据驱动的科研模式多组学大数据全景图 建立假设 试错模式 定义的更好的新的假设

由点及面：生命科学研究将面对海量的数据

从科研到医学应用—无创 DNA 产前检测

200,000×150bpSequence Alignment

大数据时代的生命科学产业 生命科学机构云体系

总体架构 生物计算整体解决方案

DNAdaptor 在蛋白质组学研究中的应用 天合生物计算一体机

生命科学机构云

生物计算整体解决方案

DNAdaptor

数据库系统

案例：病原体系统医学资源库

大数据时代的生命科学产业 生命科学机构云体系 DNAdaptor 在蛋白质组学研究中的应用 天合生物计算一体机

项目背景与客户需求 作为人类蛋白质组计划（ HPP ）的重要组成部分，国际染色体蛋白质组计划

（ C-HPP ）于 2011 年由 HUPO 启动。 C-HPP 计划旨在识别每条人类染色体上基因编码的所有蛋白质，同时获取它们相关的丰度、组织表达特异性、亚细胞定位、翻译后修饰和相互作用组等信息。 C-HPP 组织采用了“ chromosome-by-chromosome” 的研究策略，人类 24 条染色体和线粒体的研究任务分别由全球 25 个研究团队承担。 C-HPP 计划的实施产生了大量蛋白质组学数据。

如何从这些不同来源、类型和置信度的海量数据中挖掘生物学知识是亟待解决的问题。一个整合不同数据分析工具、满足科研人员订制化研究需求、且具有良好交互性的软件平台是不可或缺的。

产品设计

CAPER 2.0: An Interactive, Configurable, and Extensible Workflow-Based Platform to Analyze Data Sets from the Chromosome-centric Human Proteome Project

大数据时代的生命科学产业 生命科学机构云体系 DNAdaptor 在蛋白质组学研究中的应用 天合生物计算一体机

根据用户需求选择硬件配置

Hadoop 与 Symphony

Hadoop 是一个分布式系统基础架构，由 Apache 基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

IBM Platform Symphony包含了兼容 Apache Hadoop 的 MapReduce 实施，针对低延迟、可靠性和资源共享进行优化。

全基因组关联分析（ GWAS ）

面对 30亿像素的照片玩儿“找茬”游戏

IBM针对 GWAS 应用的解决方案

基准测试硬件环境primary server

Secondaryserver data node data node

quorum node quorum nodequorum node

GPFS组件

MasterServer

SlaveServer

DataNode

DataNode

Symphony组件主机 D主机 C主机 B主机 A

GPFS 节点角色：Primary Server ：主管理节点Secondary Server ：备份管理节点Data Node ：数据节点Quorum node ：法定节点，超半数节点失效，整个集群失效

Symphony 节点角色：Master Server ：主管理节点；Slave Server ：从管理节点；Data node ：数据节点

Contrail 测试结果（ Symphony vs Hadoop ）

针对于大肠杆菌子数据集 (10K reads) 的运行时间比较 作业调度程序之间的比较

生命科学机构云

谢 谢