其他行业 · AI应用
利用NVIDIA加速解决方案解锁癌症突变特征之谜
Wellcome Sanger研究所面临理解不同人群癌症发病率差异的挑战，这需要分析来自5000多名患者的大型队列的复杂突变特征。为此，该研究所部署了NVIDIA DGX-1服务器，显著增强了其癌症特征分析流程。该方法实现了30倍的性能提升，将实际分析时间从20天缩短至16小时。这一进步使研究人员能够高效处理海量数据，从而加深对癌症成因的理解，并为更精准的治疗铺平道路。
性能提升
30倍加速
来源披露
实际分析时间
16小时
来源披露
01
业务背景
Wellcome Sanger研究所面临理解不同人群癌症发病率差异的挑战，这需要分析来自5000多名患者的大型队列的复杂突变特征。为此，该研究所部署了NVIDIA DGX-1服务器，显著增强了其癌症特征分析流程。该方法实现了30倍的性能提升，将实际分析时间从20天缩短至16小时。这一进步使研究人员能够高效处理海量数据，从而加深对癌症成因的理解，并为更精准的治疗铺平道路。
02
遇到的问题
癌症由体细胞突变引起，不同因素造成特定的突变特征，但大约一半已知特征的病因未知。桑格研究所参与的Mutographs项目旨在通过分析突变特征，阐明全球癌症发病率地理和时间差异的原因，以理解不同人群癌症发病差异，需要处理来自5000多名患者的大型队列的复杂突变特征，计算密集。
03
AI 解决方案
部署NVIDIA DGX-1服务器，利用其8个V100 Tensor Core GPU通过NVLink互联，将癌细胞突变特征分析中最耗时的非负矩阵分解（NMF）算法卸载到GPU上并行加速，其余部分仍在CPU运行，从而整体提速分析流程。使用五个模拟真实突变特征的合成数据矩阵评估性能，对比在OpenStack虚拟机（60核Intel Xeon Skylake）上运行的容器化CPU作业。
04
实施结果
性能提升：30倍加速（30x）
实际分析时间：16小时（从20天缩短至16小时）
05
风险与边界
未披露
“NVIDIA DGX systems provide considerable acceleration that enables the Mutographs team to, not only meet the project’s computational demands, but to drive it even further, efficiently delivering previously impossible results.”
Pete Clapham · Leader of the Informatics Support Group, Wellcome Sanger Institute
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。