如果說(shuō) 18、19 世紀(jì)是蒸汽機(jī)、電動(dòng)機(jī)的時(shí)代，20 世紀(jì)是信息化的時(shí)代，那么 21 世紀(jì)可以說(shuō)是生命科學(xué)、人工智能的時(shí)代。
物理學(xué)家倫琴發(fā)現(xiàn) X 射線，為沃森和克里克提出 DNA 雙螺旋結(jié)構(gòu)提供了重要的技術(shù)基礎(chǔ)。
DNA 雙螺旋結(jié)構(gòu)的發(fā)現(xiàn)標(biāo)志著人類對(duì)生命科學(xué)的研究進(jìn)入了分子水平，預(yù)示著人們即將揭開(kāi)生命遺傳的神秘面紗，對(duì)于更為深入地認(rèn)知生命過(guò)程，進(jìn)行疾病控制和品種改良等具有劃時(shí)代的意義。
“高冷”的超級(jí)計(jì)算與“神秘”的生命科學(xué)
生命科學(xué)作為 21 世紀(jì)最重要的科學(xué)分支之一，離不開(kāi)信息技術(shù)的突破與發(fā)展；高性能計(jì)算作為人工智能模型建立的基礎(chǔ)，對(duì)生命科學(xué)的研究起到非常重要的推動(dòng)作用。
隨著基因測(cè)序技術(shù)的飛速發(fā)展，基因組序列的海量數(shù)據(jù)不斷涌現(xiàn)，數(shù)據(jù)正以指數(shù)級(jí)增長(zhǎng)，對(duì)于如此龐大的基因進(jìn)行同源性搜尋、比對(duì)、分析和遺傳發(fā)育分析等等，往往伴隨著巨大的數(shù)據(jù)處理量和并行計(jì)算量。
同時(shí)，由于生命科學(xué)的研究對(duì)象往往是蛋白質(zhì)和 DNA 的大分子，對(duì)這些分子的三維結(jié)構(gòu)的預(yù)測(cè)，動(dòng)力學(xué)特性、熱力學(xué)特性、在生命過(guò)程中如何發(fā)生作用，進(jìn)行分子動(dòng)力學(xué)模擬以及利用計(jì)算機(jī)輔助藥物設(shè)計(jì)等等科學(xué)問(wèn)題，都需要借助計(jì)算機(jī)來(lái)處理。
高性能計(jì)算作為一種用于解決計(jì)算密集型、海量數(shù)據(jù)處理等計(jì)算需求的計(jì)算科學(xué)形式，正是生命科學(xué)所需要的，可以通過(guò)計(jì)算分析、模擬試驗(yàn)，來(lái)驗(yàn)證理論的正確性。
高性能計(jì)算（High Performance Computing，縮寫(xiě) HPC）可以理解為使用很多處理器或者是某一集群中的幾臺(tái)計(jì)算機(jī)的硬件資源、計(jì)算系統(tǒng)和環(huán)境，將大規(guī)模的運(yùn)算任務(wù)拆分成很多小任務(wù)，分發(fā)到各個(gè)服務(wù)器上并行計(jì)算，再將計(jì)算結(jié)果匯總成最終的結(jié)果。
前文提到基因組數(shù)據(jù)是非常龐大的，這個(gè)“龐大”是什么概念呢？
舉個(gè)例子，人類的基因組大約包括 30 億堿基對(duì)，相當(dāng)于 3GB 的數(shù)據(jù)，而如果考慮到準(zhǔn)確測(cè)序所需的深度或覆蓋倍數(shù)，比如 30 倍就能取得相當(dāng)準(zhǔn)確的測(cè)序數(shù)據(jù)，那么一個(gè)人的基因組數(shù)據(jù)量將達(dá)到 100GB 左右。
有一種植物叫重樓，是一種很有名的中草藥，能清熱解毒、消腫止痛。在重樓中有一個(gè)種類叫做重樓百合，重樓百合有著世界上最龐大的基因組，基因組中擁有大約 1500 億個(gè)堿基對(duì)，差不多是人類基因組數(shù)據(jù)量的 50 倍。考慮準(zhǔn)確測(cè)序，重樓百合的基因組數(shù)據(jù)量至少有 4TB。
據(jù)專業(yè)人士預(yù)測(cè)，基因研究工程需要的計(jì)算資源（包括計(jì)算速度、內(nèi)存和磁盤存容量以及網(wǎng)絡(luò)通信能力)將超過(guò)人類登月工程的上百萬(wàn)倍。
著名的“人類基因組計(jì)劃”于 1990 年啟動(dòng)，耗時(shí) 13 年、花費(fèi) 30 億美元初步完成人類全基因組測(cè)序，當(dāng)時(shí)測(cè)一個(gè)基因組需要花費(fèi) 1 億美元；而現(xiàn)在，一個(gè)基因組測(cè)序費(fèi)用降到了 1000 美元以下，測(cè)序時(shí)長(zhǎng)縮短到了 1-10 天。
測(cè)序的成本和時(shí)長(zhǎng)均呈現(xiàn)超摩爾定律下降，基因測(cè)序逐漸走入尋常百姓家，而讓基因測(cè)序變得可用、實(shí)用的關(guān)鍵因素之一就是 HPC 技術(shù)的應(yīng)用。
我國(guó)一直積極發(fā)展高性能計(jì)算技術(shù)，相繼出臺(tái)“863”、“新基建”、“十四五”和“東數(shù)西算”等政策方針指導(dǎo)，數(shù)據(jù)中心市場(chǎng)不斷擴(kuò)大，國(guó)家和企業(yè)自建的數(shù)據(jù)中心規(guī)模穩(wěn)步快速增長(zhǎng)。
彈性高性能計(jì)算助力破解生命密碼
科學(xué)技術(shù)的發(fā)展與應(yīng)用相輔相成。隨著生物學(xué)數(shù)據(jù)不斷增長(zhǎng)和生命科學(xué)研究的不斷深入，傳統(tǒng) HPC 逐漸顯現(xiàn)弊端：過(guò)于依賴人工運(yùn)維與管理，排期和等待時(shí)間長(zhǎng)；租戶共用超算網(wǎng)絡(luò)，面對(duì)各種新型網(wǎng)絡(luò)攻擊方式，網(wǎng)絡(luò)安全問(wèn)題重重；購(gòu)買硬件設(shè)備自建投入大，周期長(zhǎng)，作業(yè)高峰期資源不足，作業(yè)低谷期資源浪費(fèi)嚴(yán)重，等等。
為了更好地適應(yīng)新的計(jì)算需求，生物學(xué)家們開(kāi)始使用一種新的計(jì)算方式，也就是彈性高性能計(jì)算。
彈性高性能計(jì)算（Elastic High Performance Computing，縮寫(xiě)EHPC）提供彈性和可擴(kuò)展的 HPC 計(jì)算資源，是傳統(tǒng) HPC 技術(shù)與云計(jì)算技術(shù)的融合升級(jí)。
用戶可以同時(shí)享有 HPC 計(jì)算的超高性能和云計(jì)算的彈性與可擴(kuò)展性，通過(guò)快捷、彈性、安全以及互通的公有云高性能計(jì)算服務(wù)，實(shí)現(xiàn)計(jì)算資源的彈性定制,大大降低了作業(yè)費(fèi)用,提高了資源利用率,具有極大的靈活性。
據(jù)報(bào)道，近日斯坦福大學(xué)研究團(tuán)隊(duì)將人類 DNA 測(cè)序的時(shí)間縮短至 5 小時(shí) 2 分鐘，重新定義了人類基因組測(cè)序速度，該研究團(tuán)隊(duì)就是利用了 EHPC，將病例樣本原始信號(hào)數(shù)據(jù)實(shí)時(shí)傳輸?shù)皆拼鎯?chǔ)，通過(guò)云計(jì)算系統(tǒng)對(duì)算力進(jìn)行彈性擴(kuò)容，將數(shù)據(jù)分布到多臺(tái)云計(jì)算機(jī)上實(shí)時(shí)篩選，使測(cè)序后運(yùn)行時(shí)間減少了 93%。
生命科學(xué)領(lǐng)域不乏優(yōu)秀的 EHPC 解決方案，以青云 QingCloud EHPC 生命科學(xué)云解決方案為例，其基于青云QingCloud 云基礎(chǔ)設(shè)施，面向基因測(cè)序分析、藥物虛擬篩選、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、分子動(dòng)力學(xué)模擬等應(yīng)用場(chǎng)景，為生命科學(xué)行業(yè)用戶提供一站式高性價(jià)比解決方案。
計(jì)算資源
Intel Xeon 6258R 型號(hào) CPU，雙核，單顆處理器主頻 2.7GHz、28 核，單核心峰值 86.4 GFlops，GPU 計(jì)算采用 NVIDIA GPU A100 卡；
存儲(chǔ)資源
采用分布式并行文件系統(tǒng) Lustre 商用版本，提供 GB 級(jí)吞吐，百萬(wàn)級(jí) IOPS；
網(wǎng)絡(luò)資源
采用專用 IB 網(wǎng)絡(luò)，計(jì)算節(jié)點(diǎn)之間，計(jì)算與存儲(chǔ)之間通信最高達(dá) 100GB/S；
軟件資源
平臺(tái)預(yù)置 300+ 共享軟件倉(cāng)庫(kù)，如，用于生物分子序列數(shù)據(jù)進(jìn)行同源及相似性分析的 BLAST、FASTA、HMMER、SHAPEIT，用于分子動(dòng)力學(xué)模擬的 AMBER，用于計(jì)算機(jī)輔助藥物設(shè)計(jì)的 AutoDock 等應(yīng)用軟件，一鍵勾選即可快速開(kāi)啟云上作業(yè)任務(wù)，除平臺(tái)預(yù)置的軟件外，還支持用戶自研軟件及其他應(yīng)用軟件的安裝。
QingCloud EHPC 架構(gòu)圖
EHPC 在生命科學(xué)領(lǐng)域中的應(yīng)用
應(yīng)用場(chǎng)景 1：基因測(cè)序分析，解決海量基因測(cè)序數(shù)據(jù)對(duì)計(jì)算、存儲(chǔ)、資源彈性、應(yīng)用軟件、數(shù)據(jù)可視化的需求。
解決方案：
資源豐富：提供豐富的算力資源支持、數(shù)據(jù)管理、軟件應(yīng)用的一站式服務(wù)；
彈性伸縮：計(jì)算和存儲(chǔ)資源按需擴(kuò)容，即開(kāi)即用，無(wú)等待時(shí)耗；
應(yīng)用軟件：預(yù)置多款應(yīng)用軟件，并支持按需安裝及應(yīng)用，支持基因測(cè)序場(chǎng)景使用；
結(jié)果可視化：樣本分析結(jié)果和變異檢測(cè)結(jié)果可以直接在線查看、預(yù)覽和下載，也可以直接共享給集群內(nèi)用戶。
QingCloud EHPC 基于基因測(cè)序分析的服務(wù)場(chǎng)景圖
應(yīng)用場(chǎng)景 2：蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，解決蛋白質(zhì)結(jié)構(gòu)建模及預(yù)測(cè)對(duì)浮點(diǎn)計(jì)算能力、分子結(jié)構(gòu)解析精度的需求。
解決方案：
高性能異構(gòu)資源：每個(gè)節(jié)點(diǎn)內(nèi)采用“CPU+GPU”異構(gòu)模式，每個(gè)節(jié)點(diǎn)可以配置多塊 GPU A100 卡；
強(qiáng)大的訓(xùn)練能力：提供多種 GPU 實(shí)例規(guī)格，靈活滿足蛋白質(zhì)結(jié)構(gòu)模型訓(xùn)練和數(shù)據(jù)分析所需的算力資源；
優(yōu)異的推理能力：GPU A100 通過(guò)全系列精度加速，提供領(lǐng)先的推理能力，實(shí)現(xiàn)強(qiáng)大的多元化用途；
巨大的存儲(chǔ)能力：分布式并行文件系統(tǒng) Lustre 商用版本，GB 級(jí)吞吐，百萬(wàn)級(jí) IOPS，有效支撐多軟件大內(nèi)存和 IO 需求。
QingCloud EHPC 基于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的服務(wù)場(chǎng)景圖
應(yīng)用場(chǎng)景 3：藥物研發(fā)，解決靶標(biāo)分子合成及測(cè)試生物活性對(duì)算力、內(nèi)存、時(shí)效的需求。
解決方案：
調(diào)度系統(tǒng)：EHPC 集群基于 SLURM 等多種調(diào)度系統(tǒng)，實(shí)現(xiàn)多任務(wù)并行計(jì)算，提高研發(fā)時(shí)效；
計(jì)算資源：提供 CPU 和 GPU 兩種計(jì)算資源，并提供不同實(shí)例規(guī)格，按需滿足藥物研發(fā)全流程計(jì)算需求；
并行文件系統(tǒng)：采用 Lustre 并行文件系統(tǒng)及 NAS 共享文件存儲(chǔ)，滿足分布式并行讀寫(xiě)能力的同時(shí)，支持多用戶共享數(shù)據(jù)資源及計(jì)算成果；
用戶權(quán)限管理：實(shí)現(xiàn)多用戶協(xié)同作業(yè)，適應(yīng)藥物研發(fā)多人多作業(yè)項(xiàng)目場(chǎng)景。
QingCloud EHPC 基于藥物研發(fā)的服務(wù)場(chǎng)景圖
應(yīng)用場(chǎng)景 4：分子動(dòng)力學(xué)模擬，解決分子力場(chǎng)的計(jì)算量對(duì)大規(guī)模并行計(jì)算、應(yīng)用軟件、網(wǎng)絡(luò)低延時(shí)、經(jīng)濟(jì)性價(jià)比的需求。
解決方案：
提供豐富的超算算力資源：滿足分子動(dòng)力學(xué)場(chǎng)景下的生信計(jì)算對(duì)資源的需求；
應(yīng)用軟件：軟件中心預(yù)置 50+ 種分子動(dòng)力學(xué)軟件，無(wú)需安裝，直接調(diào)用，簡(jiǎn)單快捷享用一鍵式作業(yè)提交；
低延時(shí)高帶寬：所有設(shè)備支持 IB 網(wǎng)絡(luò)，計(jì)算節(jié)點(diǎn)之間、計(jì)算與存儲(chǔ)之間通信最高達(dá) 100GB/S，包含 IB 交換機(jī)、IB 網(wǎng)卡（每個(gè)節(jié)點(diǎn)雙卡），最多不超過(guò) 2 層轉(zhuǎn)發(fā)；
性價(jià)比高：按需購(gòu)買隊(duì)列或集群，靈活計(jì)費(fèi)，省時(shí)省錢，無(wú)額外費(fèi)用損耗。
QingCloud EHPC 基于分子動(dòng)力學(xué)模擬的服務(wù)場(chǎng)景圖
應(yīng)用場(chǎng)景 5：生命科學(xué)行業(yè)對(duì)混合云架構(gòu)和數(shù)據(jù)安全性的通用需求。
解決方案：
青云QingCloud 是一家國(guó)產(chǎn)自研的企業(yè)級(jí)云服務(wù)商與數(shù)字化解決方案提供商，無(wú)縫打通公有云和私有云，交付一致功能與體驗(yàn)的混合云。基于混合云框架和技術(shù)的 QingCloud EHPC 高性能計(jì)算平臺(tái)提供多租戶隔離機(jī)制，可大大提高數(shù)據(jù)安全性和高可用性。
平臺(tái)支持 Singularity 容器應(yīng)用，集群集成 Singularity 容器環(huán)境，用戶可以將容器應(yīng)用上傳后使用 EHPC 集群，有效解決應(yīng)用軟件與部署環(huán)境的適配問(wèn)題，降低軟件部署的復(fù)雜度，提高軟件管理及運(yùn)維效率。
平臺(tái)提供符合網(wǎng)絡(luò)安全等級(jí)標(biāo)準(zhǔn)的防護(hù)措施和隱私計(jì)算，幫助生命科學(xué)領(lǐng)域的用戶打破數(shù)據(jù)孤島的同時(shí)，有效消除安全隱患。
QingCloud EHPC 基于混合云的服務(wù)場(chǎng)景圖
給時(shí)光以生命
2001 年，人類基因組工作草圖的發(fā)布被認(rèn)為是人類基因組計(jì)劃成功的里程碑事件，距今已過(guò)去 20 余年。
今年 3 月，科學(xué)家首次公布了第一個(gè)完整的、無(wú)間隙的人類基因組序列，這是對(duì)標(biāo)準(zhǔn)人類參考基因組，即 2013 年發(fā)布的參考基因組序列（GRCh38）的“重大升級(jí)”。
《科學(xué)》雜志這樣總結(jié)：最新的人類參考基因組代表著重要的一步，表明可以組裝代表所有人類的基因模型，這將更好地支持個(gè)體化醫(yī)療、人口基因組分析和基因組編輯。
這意味著圍繞基因組學(xué)進(jìn)行癌癥、精神疾病等各種疾病的個(gè)性化治療有望進(jìn)一步實(shí)現(xiàn)。不禁令人想象，假如穿越 1990 年，為人類基因組計(jì)劃插上 EHPC 的“翅膀”，現(xiàn)在的世界將會(huì)怎樣？
偉大的數(shù)學(xué)家、物理學(xué)家帕斯卡曾說(shuō)過(guò)：給時(shí)光以生命，而不是給生命以時(shí)光。
在科學(xué)技術(shù)爆炸式發(fā)展的今天，越來(lái)越多的未解之謎將被科學(xué)解開(kāi)，人類在有限的生命中探索著無(wú)限的價(jià)值，生命科學(xué)的發(fā)展注定在新一代科學(xué)技術(shù)的引領(lǐng)下更好地造福人類。
