其他行业 · AI应用
加速单细胞空间分析
在转化基因组学研究所（TGen），研究人员面临分析包含数百万细胞的大规模数据集的挑战，通常需要约10小时处理。为解决此问题，TGen实施了NVIDIA RAPIDS，一套强大的开源软件库，可加速数据科学工作流程。这一创新方法将分析时间从10小时大幅缩短至仅3分钟，使研究人员能够深入探索包含数千万细胞的更大数据集。因此，TGen增强了在颗粒水平上探索疾病机制的能力，最终更深入地理解疾病进展并改善研究成果。
分析时间缩短
从10小时降至3分钟
来源披露
可扩展数据规模
支持数千万至数亿细胞的数据集
来源披露
01
业务背景
在转化基因组学研究所（TGen），研究人员面临分析包含数百万细胞的大规模数据集的挑战，通常需要约10小时处理。为解决此问题，TGen实施了NVIDIA RAPIDS，一套强大的开源软件库，可加速数据科学工作流程。这一创新方法将分析时间从10小时大幅缩短至仅3分钟，使研究人员能够深入探索包含数千万细胞的更大数据集。因此，TGen增强了在颗粒水平上探索疾病机制的能力，最终更深入地理解疾病进展并改善研究成果。
02
遇到的问题
单细胞空间分析产生海量数据，标准流程处理数百万细胞数据集耗时长达10-14小时，且参数调优需反复迭代，严重拖慢研究进度，限制了对疾病机制的深入探索。
03
AI 解决方案
采用NVIDIA CUDA-X Data Science (RAPIDS) GPU加速数据科学库，具体使用RAPIDS加速的Scanpy实现，并在NVIDIA DGX系统上部署，通过GPU并行计算大幅提升单细胞数据处理速度。
04
实施结果
分析时间缩短：从10小时降至3分钟（约200倍）
可扩展数据规模：支持数千万至数亿细胞的数据集（从百万级跃升至千万级以上）
05
风险与边界
未披露
“Our very first run with RAPIDS, without any optimization at all, took us from 10 hours to 10 minutes. With a little additional tuning, we were down to three minutes to process this data.”
Evan Mee · Bioinformatician, Integrated Cancer Genomics Division, TGen
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。