探索生命奥秘 华大基因借助英伟达GPU突破计算瓶颈

ZDNet至顶网服务器频道 06月27日 评论分析（文/王涛）： 人类要全面认识自己，对人类基因的探索是一件极其重要而又神圣的使命，人类的基因蕴藏着无穷的奥秘，并极有可能为预防和解除人类重大顽疾开辟一条新的道路。

作为国内首屈一指的专注于生物基因研究的科研单位，华大基因自1999年成立以来，先后参与了国际人类基因组计划“中国部分”、国际人类单体型图计划、水稻基因组计划、家蚕基因组计划、家鸡基因组计划、抗SARS研究、“炎黄一号”、大熊猫等多项具有国际先进水平的基因组科研工作，在Nature和Science等国际一流的学术杂志上发表多篇论文，迅速奠定了中国基因组科学在国际上的领先地位。

“华大基因的研究主要专注在人类健康、植物、动物、微生物，2007年我们与英国共同启动千人基因组计划，2009年与欧洲进行人类肠道菌群的研究，这些研究都是比较重要的，并对治愈糖尿病或肥胖症有重大影响；中国人口众多，粮食比较短缺，华大基因希望能把水稻基因组图谱测出来，我们现在也和袁隆平院士展开合作，来做杂交水稻，我们测水稻的基因，从基因挖掘角度来帮助更加的优良品种的筛选。”华大基因高性能计算研发主管王丙强这样说道。

华大基因高性能计算研发主管王丙强

在美国、日本、欧洲之后，2011年全球第四个基因库正式落户深圳华大基因，这也是华大基因第一次开始把信息库跟资源库共同管理，华大基因库除了存放信息之外，同时还存放生物样本。

两个重要分析步骤

在基因的研究中离不开强大的计算能力，王丙强看来，华大基因的核心竞争力之一就在于测序能力，现在华大是全球最大的基因测试中心。“我们最大的测试平台在香港，大概有80台测试仪，深圳大概有20台。”王丙强补充道。

华大基因的基因研究可以分为几个阶段，第一步是测序，第二步是序列比对，而这两个环节中都离不开一个计算组件，那就是GPU。

“在华大基因的测序中，采用的是2010年的数据，GPU应用还没有非常广泛，但是有一些做测序仪的厂商，已经开使用GPU来加速，把图像转变成基因序列。”王丙强这样说道。第一步是在测序仪上做，经过GPU对原始数据的初步处理，然后再传到计算中心和存储中心去。

之后，华大基因最常规的业务是对序列进行检测，看序列中是否有独特的地方，有什么变异，也就是序列比对。

“我们的目标是找出每个人基因组之间的差异。”王丙强表示：“通过序列比对的方法，就可以找到类似这样的差异，人类基因组计划已经有一个测序完的样本，这样可以把其看做一个参考序列。我们测每一个人的基因组测完了之后，得到一系列短序列，找出个体和参考序列之间的差异，通过把这些短的序列，跟参考序列去做一个比对。目前这一步分析主要是NVIDIA GPU上跑。”

目前，华大基因自身的超级计算中心机房已经遍布深圳、香港、北京等地，由于生物数据量大，用海量来形容一点也不为过，所以华大基因也和天津超算中心展开合作，来提高数据的组成和传输能力。

借助GPU突破计算瓶颈

数据量大是华大基因面临的一个的难题，王丙强以测序过程中产生的数据为例：“我们测序仪如果全速运转，基本一天产生的数据大于10 TB。像一个人身体里面的细胞有23对染色体，一个细胞拿出来有两米长，这上面有30G的序列，上面的编码大概是3万个基因。”

测序的样本主要是人体组织血液和口腔细胞，样品采集完之后放到测序仪中，在测序仪里产生的数据是几个字母排成的序列，但是测序仪不可能把完整基因组全部读出来，只能读很小的一个片断，所以对于后面分析时候，要考虑如何将这些小的片断组装成一个完整的基因组序列，也就是基因组组装，王丙强表示，这是信息分析里比较重要，也是比较困难的问题。

而且，基因数据的产出量基本上每18个月就要增加一个数量级，所以数据产出量一直处于快速增长的状态。“99年华大开始做测序时，那个时候只有两台测序仪，并且测序能力很低，现在我们每天都有大于10 TB数据的产出，增长的速度比较惊人。”王丙强如是说。

然而数据量快速上升，相应计算能力如何保障？华大基因的存储数据量已经达到20 PB，在起初华大基因用CPU来压缩数据，用来压小的文件速度很快，但是对于几GB或者是上TB的数据，CPU就难以满足要求，所以华大基因使用NVIDIA Tesla GPU来加速数据的压缩。

此外，王丙强提到另一个趋势，因为临床要求比较快，对于一些重要检测需要马上得出结果，如果说过两个星期出结果，这个是不能接受的。王丙强表示：“因此把基因测序用在临床诊断上，时效性是比较重要的，Tesla GPU计算能力的提高有助于我们解决这些问题。”

“普遍而言，NVIDIA Tesla GPU的使用能给应用带来10-20倍的加速，特别是借助天河一号做高级分析，像人类基因突变，能给运算速度带来极大改善，光这一部分计算提速大概是70多倍，我们之前自己写过原形代码，大概要好几年才能算完，后来到天河一号上运算，用超级计算机加上NVIDIA Tesla GPU加速，只要5个多小时就能完成。”王丙强说道。

小结

在基因研究和临床医疗应用中，序列比对和寻找基因变异是重要的分析步骤，也是主要的计算瓶颈所在，特别在临床应用上具有更高的时效性要求。为此，基于英伟达基于Tesla平台，开发了应用于序列比对的SOAP3/SOAP3-DP，以及分别用于个体和群体基因变异分析的GSNP和GAMA。

英伟达公司高级项目经理邓培智

英伟达公司高级项目经理邓培智表示，借助英伟达Tesla平台，综合利用以上技术和软件，性能是其它主流软件的数十倍，并且具有更高的准确率和比对率，解决了基因研究中最基本的分析瓶颈，同时提高了后续基因变异分析的准确度，降低计算和存储成本，特别是临床诊断治疗的时间成本。

“在英伟达Tesla平台支持下，我们正努力推动基因组学研究实际应用转化，为大众健康幸福保驾护航。”邓培智说道。