藍海大腦高性能深度學習GPU服務(wù)器助力生命科學發(fā)展

生命科學 | 藥物研發(fā) | 冷凍電鏡

靶點發(fā)現(xiàn) | 序列比對 | 晶體預(yù)測

隨著高性能計算、數(shù)據(jù)挖掘、數(shù)據(jù)分析、深度學習、冷凍電鏡、靶點發(fā)現(xiàn)、晶體預(yù)測等技術(shù)的快速發(fā)展，生命科學領(lǐng)域的醫(yī)藥研發(fā)、AI預(yù)測蛋白質(zhì)結(jié)構(gòu)、基因測序、小分子研究、疫苗研發(fā)得到快速發(fā)展。

2022年生命科學領(lǐng)域趨勢

2022年生命科學行業(yè)的趨勢主要分成三個層面，國家政策、資本市場和產(chǎn)業(yè)格局。

國家政策

藥品、高值醫(yī)用耗材集中帶量采購進入常態(tài)化、制度化新的階段；DRG/DIP的支付方式改革加快落地；國家積極引導應(yīng)對人口老齡化國家戰(zhàn)略。

2018-2022年國家層面生物科學行業(yè)政策及重點內(nèi)容解讀

資本市場

二級市場開始回歸理性，重新構(gòu)建估值體系有利于行業(yè)的良性發(fā)展；投資人更加偏好早期階段，高潛力的初創(chuàng)企業(yè)更容易受到資本的青睞；美元投資人從初期的主力參與到目前的持幣觀望，人民幣資本這兩年強勢崛起。

生物醫(yī)藥行業(yè)發(fā)展趨勢

產(chǎn)業(yè)格局

綜上所述，國家政策和資本市場帶動了產(chǎn)業(yè)格局的變化。在產(chǎn)業(yè)格局方面，新生代健康產(chǎn)業(yè)公司進入商業(yè)化階段；數(shù)字化和智能化正在深刻影響產(chǎn)業(yè)的發(fā)展。

近年來人工智能與各種數(shù)字化工具，已逐步滲透到健康產(chǎn)業(yè)的方方面面。在多個領(lǐng)域初步展現(xiàn)出突破瓶頸和降本增效的巨大潛力。

隨著數(shù)字化和智能化對整個健康產(chǎn)業(yè)賦能的不斷拓展與提升，整個健康產(chǎn)業(yè)中，很多傳統(tǒng)的技術(shù)和商業(yè)模式，都面臨著重構(gòu)的可能。

在AI賦能新藥研發(fā)方面，隨著深度學習能力和人工智能技術(shù)的快速發(fā)展，以及算力的大幅提升，AI在新藥研發(fā)方面正在取得長足的進步，并展示出令人驚嘆的潛力。

中國生物醫(yī)藥行業(yè)細分領(lǐng)域競爭情況

以蛋白質(zhì)結(jié)構(gòu)預(yù)測為例，DeepMind公司的AlphaFold2已經(jīng)預(yù)測出超過35萬種蛋白質(zhì)結(jié)構(gòu)，涵蓋了98.5%的人類蛋白質(zhì)組以及20種生物的蛋白質(zhì)結(jié)構(gòu)。

全球TOP20跨國藥企均在Al領(lǐng)域有大量布局，包括諾華、輝瑞、GSK、阿斯利康、賽諾菲、復(fù)星醫(yī)藥在內(nèi)的大批國內(nèi)外企業(yè)紛紛試水AI新藥研發(fā)，期待跨越式提升新藥研發(fā)的效率。與此同時，包括藍海大腦也在這個領(lǐng)域加速布局。

數(shù)字化診斷對傳統(tǒng)診斷加速賦能，數(shù)字療法成為傳統(tǒng)治療技術(shù)方案強有力的補充。

手術(shù)機器人在臨床手術(shù)端，得到更加廣泛的應(yīng)用，傳統(tǒng)醫(yī)院正在經(jīng)歷越來越徹底的數(shù)字化改造。醫(yī)療與消費正在更加緊密地走向融合的整體趨勢。

截止2022年6月中國生物醫(yī)藥行業(yè)

企業(yè)數(shù)量區(qū)域分布（單位：家）

2021年中國生命科學

2021年，在中國生命科學領(lǐng)域內(nèi)的大量數(shù)據(jù)顯示，中國健康產(chǎn)業(yè)規(guī)模達到10萬億元。我國60歲及以上人口已達2.7億。2021年健康領(lǐng)域投資為2522.8億元。

1000000億元。中國健康產(chǎn)業(yè)規(guī)模持續(xù)增長。隨著中國人口的進一步老齡化，以及政府和公眾對健康的重視和投入的不斷提高，據(jù)健康產(chǎn)業(yè)白皮書統(tǒng)計，2021年中國健康產(chǎn)業(yè)規(guī)模達到10萬億元。

其中，與藥品相關(guān)的市場模型約為2.9萬億元，醫(yī)療器械和診斷的市場規(guī)模約為1萬億元，醫(yī)療服務(wù)、數(shù)字醫(yī)療和一般健康的市場規(guī)模約為6.1萬億元。

2.7億人口。2021年，我國60歲及以上人口已達2.7億，占總?cè)丝诘?8.9%，比2020年增長0.2%；60歲及以上人口超過2億，占中國總?cè)丝诘?4.2%，比2020年上升0.7%，中國人口老齡化進一步加劇。

人口老齡化加劇。根據(jù)國家統(tǒng)計局發(fā)布的《中華人民共和國2021年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》數(shù)據(jù)。2021年，我國人口自然增長率僅為0.34%，比2020年下降1.11%。因此，中國社會人口結(jié)構(gòu)的老齡化仍然是中國健康產(chǎn)業(yè)最重要的核心底層驅(qū)動力之一。

2522.8億元。據(jù)統(tǒng)計，2020年中國健康領(lǐng)域融資額為2236.5億元，2021年為2522.8億元，同比增長12.8%。中國健康產(chǎn)業(yè)在資本市場趨于健康發(fā)展，估值體系發(fā)生變化，整體投資趨于理性。

2020年，中國大健康領(lǐng)域?qū)⒂?538個融資項目。2021年為1831輛，同比增長19.05%。A股市場2021年科技創(chuàng)新板健康醫(yī)療公司IPO數(shù)量為37家，上半年24家，下半年13家。在港股市場，2021年健康行業(yè)上市公司有34家?？傮w來看，在資本市場上，健康產(chǎn)業(yè)呈現(xiàn)穩(wěn)步增長。

生物醫(yī)藥行業(yè)產(chǎn)業(yè)鏈生態(tài)圖譜

高性能計算研究下

生命科學領(lǐng)域

生命科學行業(yè)發(fā)展至今，早已離不開高性能計算的輔助，從計算機輔助藥物設(shè)計、疫苗研發(fā),到通過基因檢測提供精準醫(yī)療服務(wù)、產(chǎn)前篩查等，高性能計算HPC在生命科學研究中扮演著十分重要的角色。

生物信息學是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。它是當今生命科學和自然科學的重大前沿領(lǐng)域之一，同時也將是21世紀自然科學的核心領(lǐng)域之一。其研究重點主要體現(xiàn)在基因組學（Genomics）和蛋白質(zhì)組學（Proteomics）兩方面，具體說就是從核酸和蛋白質(zhì)序列出發(fā)，分析序列中表達的結(jié)構(gòu)功能的生物信息。生物信息學在短短十幾年間，已經(jīng)形成了多個研究方向，其中與高性能計算相關(guān)的主要研究重點如下。

序列比對

序列比對（Sequence Alignment）的基本問題是比較兩個或兩個以上符號序列的相似性或不相似性。從生物學的初衷來看，這一問題包含了以下幾個意義：從相互重疊的序列片斷中重構(gòu)DNA的完整序列。在各種試驗條件下從探測數(shù)據(jù)（probe data）中決定物理和基因圖存貯，遍歷和比較數(shù)據(jù)庫中的DNA序列，比較兩個或多個序列的相似性，在數(shù)據(jù)庫中搜索相關(guān)序列和子序列，尋找核苷酸（nucleotides）的連續(xù)產(chǎn)生模式，找出蛋白質(zhì)和DNA序列中的信息成分。在序列對比的過程中將會產(chǎn)生巨量的數(shù)據(jù)，這對我們的存儲系統(tǒng)帶來了較大規(guī)模的挑戰(zhàn)。

現(xiàn)在用于存儲的硬盤容量每14個月會有一倍的增長，而基因序列的數(shù)據(jù)量則每5月左右會翻一番，例如：CeleraGenomics 和Sanger Centre 等主要基因研究機構(gòu)都在管理數(shù)以萬億字節(jié)計的數(shù)據(jù)，其數(shù)據(jù)庫信息量超過了人類開展生物學研究以來積累的數(shù)據(jù)量。

序列拼接

序列拼接是將測序生成的reads短片段拼接起來，恢復(fù)出原始的序列。該問題是序列分析的基本任務(wù)，是基因組研究成功與失敗的關(guān)鍵，拼接結(jié)果直接影響到序列標注，基因預(yù)測、基因組比較等后續(xù)任務(wù)。基因組序列的拼接也是基因組研究必須解決的首要難題。其困難不僅來自它的海量數(shù)據(jù)(以人類基因組序列為例，從數(shù)量為10兆級的片斷恢復(fù)出長度為億級的原始序列)，而且源于它含有高度重復(fù)的序列。

從計算機方面來講，在拼接初期，會有大量的初始數(shù)據(jù)導入內(nèi)存，然后對這些數(shù)據(jù)進行處理。因此，序列拼接對于計算機的內(nèi)存量和計算能力都有非常大的需求。

基于結(jié)構(gòu)的藥物設(shè)計

人類基因工程的目的之一是要了解人體內(nèi)約10萬種蛋白質(zhì)的結(jié)構(gòu)功能，相互作用以及與各種人類疾病之間的關(guān)系，尋求各種治療和預(yù)防方法，包括藥物治療?；谏锎蠓肿咏Y(jié)構(gòu)及小分子結(jié)構(gòu)的藥物設(shè)計是生物信息學中的極為重要的研究領(lǐng)域。為了抑制某些酶或蛋白質(zhì)的活性，在已知其蛋白質(zhì)3級結(jié)構(gòu)的基礎(chǔ)上，可以利用分子對齊算法，在計算機上設(shè)計抑制劑分子，作為候選藥物。然后在數(shù)據(jù)庫中進行對比并且得到優(yōu)勢結(jié)構(gòu)，選擇使用分子模擬的方法實現(xiàn)藥物分子的設(shè)計。

分子動力學

主要是浮點計算為主 ，非常適合大規(guī)模并行，但是對網(wǎng)絡(luò)需求比較大，節(jié)點間需要使用低延時，高帶寬的Infiniband高速網(wǎng)。

測序儀離線處理

相比計算量，存儲容量需求更大；作業(yè)運行需要與作業(yè)調(diào)度系統(tǒng)結(jié)合；測序離線處理往往有序列拼接的需求,目前最主流的序列拼接軟件denovo為多線程程序,單節(jié)點內(nèi)存容量需求非常大,往往需要達到256G甚至512GB,需要配置大容量內(nèi)存SMP胖節(jié)點。

電子顯微鏡圖像處理

主要為浮點計算，其中大量的單精度FFT計算；軟件加速比完全線性，對網(wǎng)絡(luò)依賴低；軟件內(nèi)存需求和IO需求較大，一般需要配置并行文件系統(tǒng)；系統(tǒng)計算量大，計算時間長，系統(tǒng)穩(wěn)定性，可靠性要求高。

質(zhì)譜儀原始資料處理

軟件加速比接近線性，對網(wǎng)絡(luò)依賴低；系統(tǒng)計算量大，計算時間長，系統(tǒng)穩(wěn)定性，可靠性要求高。

藍海大腦高性能服務(wù)器

助力生命科學領(lǐng)域發(fā)展

方案介紹

藍海大腦高性能計算推出多樣化的架構(gòu)滿足不同計算需求，利用革新型的存儲和內(nèi)存技術(shù)和領(lǐng)先的軟件工具，建立廣泛的生態(tài)系統(tǒng)，快速處理增長的大型復(fù)雜數(shù)據(jù)集，升級系統(tǒng)可用性以獲得更高吞吐率，確保高性能計算（HPC）應(yīng)用性能最優(yōu)化。

生命科學的性能挑戰(zhàn)

藍海大腦憑借多年在生命科學生物基因分析領(lǐng)域積累的經(jīng)驗，通過橫向擴展（scale-out）存儲系統(tǒng)、IB低延遲網(wǎng)絡(luò)、私有客戶端技術(shù)小文件聚合及使用自研PCI－E極速存儲等異構(gòu)介質(zhì)構(gòu)建冷熱數(shù)據(jù)分層等，滿足生物基因應(yīng)用中對海量數(shù)據(jù)存儲場景高可靠性、高性能低延遲和低能耗的存儲需求。

方案特點

客戶收益

生物基因分析研究產(chǎn)生的數(shù)據(jù)以每年10倍的速度快速增長，藍海分布式存儲通過卓越的系統(tǒng)架構(gòu)，在為用戶提供海量的存儲空間。通過大比例糾刪功能，大幅提升容量利用率，為客戶提供更低的TCO。

DNA基因分析分布式存儲通過小文件聚合、對象聚合、全局緩存、多通道、硬件加速等技術(shù)，為客戶提供創(chuàng)新的性能加速方案，全面提升存儲系統(tǒng)性能。

生物基因分析的數(shù)據(jù)具有極高的價值，藍海大腦分布式存儲通過業(yè)界領(lǐng)先的冗余設(shè)計，為用戶提供強大的數(shù)據(jù)保護能力和系統(tǒng)可用性數(shù)據(jù)可用性高達99.9999%。

節(jié)點級和硬盤級均衡，磁盤間容量誤差率不超5%，節(jié)點間誤差不超1%，可用容量利用率高達95%。同時高密度存儲節(jié)點滿足客戶存儲空間和能耗要求。

支持豐富的主機連接接口，支持 10/25/40Gb iSCSI、56/100 In?niBand主機連接，無縫接入用戶現(xiàn)有環(huán)境，滿足客戶對高帶寬及高性能計算的差異化需求，支持后端10GE 組網(wǎng)下的RDMA模式傳輸，支持TOE 卸載，提高系統(tǒng)性能。

節(jié)點并行處理數(shù)據(jù) IO、保障系統(tǒng)整體負載均衡，數(shù)據(jù)分散存儲，避免單節(jié)點故障帶來的風險，節(jié)點在線橫向擴展，滿足持續(xù)增長的容量和性能需求。

架構(gòu)的優(yōu)化設(shè)計，在文件場景下單一目錄可支持1000萬文件，文件系統(tǒng)支持千億級文件，單一命名空間支持20PB；支持5120節(jié)點擴展單集群可提供EB級容量空間。

審核編輯 黃昊宇