其他行业 · AI应用
使用Parabricks节省九年处理时间
弗朗西斯·克里克研究所利用NVIDIA Parabricks和A100/H100 GPU提升肺癌研究中全基因组测序的效率。通过迁移到GPU加速的流程，他们在不牺牲质量的情况下实现了测序处理速度26倍的提升，大幅减少了近九年的处理时间。这一进展促进了大规模基因组分析，以更好地理解癌症演变。
全基因组测序处理速度
26倍加速
来源披露
预计总节省处理时间
近9年
来源披露
加速后质量指标
无差异
来源披露
01
业务背景
弗朗西斯·克里克研究所利用NVIDIA Parabricks和A100/H100 GPU提升肺癌研究中全基因组测序的效率。通过迁移到GPU加速的流程，他们在不牺牲质量的情况下实现了测序处理速度26倍的提升，大幅减少了近九年的处理时间。这一进展促进了大规模基因组分析，以更好地理解癌症演变。
02
遇到的问题
弗朗西斯·克里克研究所进行肺癌TRACERx EVO研究时，需要从全外显子测序转向全基因组测序，数据存储需求激增至超过1.3PB，CPU计算时间大幅增加，传统HPC无法在合理时间内完成处理，急需新的计算基础设施以加速分析。
03
AI 解决方案
采用NVIDIA Parabricks GPU加速工具，对全基因组测序流程进行加速。通过基准测试验证26倍加速效果后，部署了基于NVIDIA A100、L40、H100 GPU的三个集群，并通过NDR InfiniBand网络互联，将Parabricks自动化嵌入选管线的比对、变异调用等关键步骤，实现端到端加速。
- 1进行CPU与GPU（NVIDIA V100）的初步基准测试，验证26倍加速和无质量差异
- 2全面替换HPC基础设施，部署A100、L40、H100 GPU集群
- 3将Parabricks加速工具集成到Nextflow自动化管线中，实现比对和DeepVariant调用的GPU加速
04
实施结果
全基因组测序处理速度：26倍加速（26倍）
预计总节省处理时间：近9年（节省9年）
加速后质量指标：无差异（质量无损失）
年度节省等待时间：数万小时（数万小时）
05
风险与边界
未披露
“we saw around a 26X speed up and that’s with no difference in the kind of quality metric outputs when we inspect these alignments back-to-back.”
Mark S. Hill · Principal Research Fellow at the Francis Crick 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。