WaveRider for Sentieon,加速云中的下一代测序

简介: Memory Machine软件的WaveRider功能提高了Sentieon性能40%,这是Sentieon基因组分析相对于开源替代品的10倍性能优势的补充。

近日,Big Memory软件的先驱MemVerge®与基因组软件市场领导者Sentieon®宣布展开合作,加速在公有云中进行下一代测序(NGS)。

MemVerge和Sentieon将高效率的云自动化平台与先进的基因组软件引擎相结合,形成了适用于Sentieon的WaveRider。对于试图通过加速任务完成来降低云成本的生物信息学家和生物技术研究人员,Memory Machine软件的WaveRider功能提高了Sentieon性能40%,这是Sentieon基因组分析相对于开源替代品的10倍性能优势的补充。

作为合作的一部分,图片WaveRider for Sentieon用户每月可获得最多5000核小时的免费Sentieon使用权。

01

HZPC的实践:基因组测序处理的显著改善

全球驰名的马铃薯基因组研究市场领导者HZPC面临在云中运行数千个长时间运行的下一代测序作业的成本和时间挑战。随着样本的收集增加,计算时间迅速增加。HZPC需要一个既能缩短计算时间又能减少云成本的平台。使用WaveRider for Sentieon,HZPC看到了显著的性能改善和成本节约。

“我们对WaveRider for Sentieon解决方案的性能印象深刻。初步测试显示出4-5倍加速,我们期望在调优解决方案时进一步改善结果。更快的处理速度再加上利用spot instances显著降低了我们的云成本,” HZPC生物信息学项目负责人Remco Ursem表示,“这个解决方案使我们能够比以往更有效地完成我们的NGS运行,并将帮助我们的研究提升到一个新的水平。”图片

02

WaveRider for Sentieon

Sentieon软件为BWA-MEM、STAR、Minimap2、GATK、Mutect2和大型队列联合调用提供了可替代方案,还提供了具有增强准确性和速度的其他变异调用流程。Sentieon软件支持目前所有可用的短读和长读测序平台,具有:

• 获奖级准确性
• 快速交付时间
• 大幅降低成本

Sentieon工具通过优化的计算算法设计和企业级软件实施实现其效率,并使用行业最经过验证的数学方法实现高准确性。

“通过与MemVerge合作,Sentieon进一步扩大了对其先进基因组软件引擎的访问,并进一步提高了Sentieon市场领先产品的性能,” Sentieon的产品管理总监Frank Hu表示,“通过与MemVerge的Memory Machine Cloud结合,WaveRider for Sentieon解决方案真正成为世界上快且高效的公共云下一代测序(NGS)引擎。”

WaveRider:相对基准的40%速度提升

MMCloud是一个强大而直观的计算软件平台,专为在云端运行数据密集型管道和交互式计算应用而设计。其创新的WaveRider技术能够根据工作负载的实时需求调整云资源。

当在MMCloud上启动Sentieon工作负载时,它们能够智能地利用WaveRider技术,在需要时灵活调配更多资源,而在适当时精准地使用更少资源。这一创新性的技术带来了前所未有的性能提升和成本效益。

在进行WGS基准测试时,WaveRider for Sentieon解决方案相对于基准提高了40%的性能,同时通过使用On-Demand实例,成功降低了34%的云成本。更进一步,通过使用spot instances,我们能够实现更大幅度的云成本降低。这标志着在云计算领域取得了令人瞩目的进展,为用户提供了更高效、更经济的解决方案。

“基因组研究人员在利用公共云的过程中面临的最大障碍是成本、资源效率和易用性,” MemVerge的首席运营官Jon Jiang表示,“我们设计Memory Machine Cloud来通过自动化解决这些挑战。通过致力于将我们强大的云自动化平台与Sentieon领先的二次分析引擎集成,我们正在使基因组分析比以往任何时候都更加高效,最终帮助加速发现。”

WaveRider for Sentieon现已上线。通过此集成解决方案,MemVerge为用户提供免费license访问Sentieon基因组软件,具体免费额度可联系我们进行咨询。

Sentieon系列内容: Sentieon开箱测评
产品已上架云市场,点击立享30天免费试用。

目录
相关文章
|
6月前
|
机器学习/深度学习 数据处理 数据安全/隐私保护
DPU:数据中心与计算架构的革新引擎
【2月更文挑战第3天】
1205 1
DPU:数据中心与计算架构的革新引擎
|
2月前
|
存储 人工智能 数据格式
总说具身智能的数据太贵,鹏城实验室开源百万规模标准化数据集
【9月更文挑战第18天】鹏城实验室提出的ARIO(All Robots In One)标准,为具身智能领域带来了统一的数据格式、丰富的感知模态及多样化的真实与模拟数据,显著提升了数据集的质量与规模,助力智能系统更好地与物理世界互动。基于此标准构建的大规模数据集包含约300万个片段,覆盖258个系列和321,064个任务,极大地推动了具身智能的研究与发展。然而,该数据集也面临着存储需求高、系统互操作性及应用场景适应性等挑战。论文详情见:http://arxiv.org/abs/2408.10899。
72 11
|
3月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
6月前
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
6月前
|
机器学习/深度学习 资源调度 算法
利用机器学习优化数据中心的能效管理
【5月更文挑战第31天】 在数据中心管理和运营中,能效优化是降低运营成本和减少环境影响的关键。本文提出了一种基于机器学习的方法来动态调整数据中心的资源分配,旨在提高整体能源效率。该方法通过分析历史数据和实时负载信息,预测未来工作负载并相应地调整硬件配置。实验结果表明,与传统的静态管理策略相比,所提出的动态管理策略可以显著降低能耗,同时保持服务质量。
带你读《生命科学行业云上解决方案及最佳实践》——计算机助力基因测序
带你读《生命科学行业云上解决方案及最佳实践》——计算机助力基因测序
131 0
|
机器学习/深度学习 人工智能 并行计算
带你读《生命科学行业云上解决方案及最佳实践》——GHDDI,阿里云高性能计算助力 药物研发实现高通量分子筛选
带你读《生命科学行业云上解决方案及最佳实践》——GHDDI,阿里云高性能计算助力 药物研发实现高通量分子筛选
223 0
|
机器学习/深度学习 人工智能 自然语言处理
浪潮信息分享:新型算法基础设施大模型的知识蒸馏技术介绍 | 第 60 期
今天(周三)了解大模型发展现状和大模型基础知识,交流大模型在产业应用中起到的作用和 AI 服务新态势。
浪潮信息分享:新型算法基础设施大模型的知识蒸馏技术介绍 | 第 60 期
|
弹性计算 编解码 运维
云上高性能计算助力基因测序
本文整理自阿里云行业解决方案架构师马颂(栖逸),在阿里云计算情报局的分享。本篇内容主要分为三个部分: 1. 寻因生物简介 2. 单细胞测序及痛点 3. 寻因生物基于E-HPC的大内存实例解决方案
924 0
云上高性能计算助力基因测序
|
人工智能 弹性计算 运维
云上高性能计算加速药物研发
摘要:本文整理自阿里云行业解决方案架构师朱波(默苍),在阿里云云计算情报局的分享。本篇内容主要分为四个部分: 1. 深势科技简介 2. 深势EHPC最佳实践 3. 总结
973 0
云上高性能计算加速药物研发