互联网大数据助力生物技术的发展

简介:

“个体化医疗的基础是个体的遗传变异,因此个人的基因检测将成为实行个体化医疗不可或缺的必然手段,个体化医疗将向精准医疗迈进。” 这是日前,“中国遗传药理学之父”,中国个体化医学奠基人及工程院院士周宏灏在“2016分子诊断产业高峰论坛”会上如是说。

正如周宏灏先院士说的,只有当个人的基因检测与国内基因大数据的量级均达到一定程度之后,国内个体化医疗才能步入精准医疗时代。那么,面对如此复杂的基因测序数据,现阶段如果可以提升数据的处理能力,势必将推动国内精准化医疗的进程。

此次,受邀参加2016分子诊断产业高峰论坛上,还有华大基因,迪安诊断等各业界知名人士与优秀企业,从各个角度、平台探讨了分子诊断的产业趋势、创新技术突破、基因检测大数据及基因检测的临床转化研究应用,并对国内个性化精准医疗的发展情况及趋势发表了各自的看法。

专注于遗传疾病和肿瘤基因检测领域的企业“人和未来”的CTO宋卓博士,现场分享了企业最新研发的科技成果,生物计算加速平台GTX One。

GTX One是基于FPGA的高计算性能和创新的高能算法,研发出来的一套加速平台。通过算法创新充分释放FPGA的计算能力,一张FPGA加速卡能达到100台搭载高性能至强Xeon CPU的服务器快100倍的计算性能,可以极大地缩短生物信息数据的计算时间。其最大特点是:

从速度上来说,GTX one产品能够让NIPT比对效率提升100倍,GTX One处理器(FPGA芯片)能在一个超过20亿个条目的海量数据字典(接近90GB的数据量,即超过22张DVD能容的数据量)中,能够完成每秒860万次查询,比一台运行Redis(公认最快内存数据库)的20颗Intel Xeon E5 CPU 物理核的服务器,查询速度快17倍。

从成本上来说,GTX One平台可以将一台拥有20核Intel Xeon E5 CPU的高性能服务器14小时的计算任务,压缩至1小时内完成,与此同时,GTX One整机满负荷功耗只有89W,是20颗Intel Xeon E5 CPU 物理核服务器整机功耗的1/5。

从精度上来说,它专门针对Mapping查询算法的访存瓶颈,面向FPGA高计算性能特性,充分考虑算法各阶段流水,重新设计了以计算换访存为指导原则的优化Mapping算法,使得 GTX One处理器能够在一个双通道的8G板载DDR3内存中,从压缩的20亿条数据记录里,辗转腾挪,仅仅通过最多不超过4次访存的情况下,直接判断Mapping的片段是否命中并找到Mapping位置。

宋卓博士认为GTX 系列预计将于2016年底推出针对全基因组的加速应用正在研发和测试阶段,。为什么想到开发这样的加速平台?因为现在的基因测序技术已经越来越成熟,所以在不久的将来,不同应用的单样本数据量将呈现爆发式的增长。基因检测产业将围绕大数据进行创新,只有在数据足够多,分析足够准的情况下,我们才能实现精准医疗,而现阶段的高功耗、高成本、和低效率的数据处理能力必将无法应对。所以我们也在不断摸索,希望借助互联网大数据、IT等不同领域进行融合创新,为生物科技行业的发展起到促进的作用。我们相信,将来无论哪个行业都将不可能独自发展、生存,在互联网的推动下,更多的跨界合作和生态圈的交叠将不可避免,所以我们选择拥抱创新,这也是我们企业一直坚持的一个品质。
本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
3月前
|
数据采集 传感器 人工智能
大数据关键技术之电商API接口接入数据采集发展趋势
本文从数据采集场景、数据采集系统、数据采集技术方面阐述数据采集的发展趋势。 01 数据采集场景的发展趋势 作为大数据和人工智能工程的源头,数据采集的场景伴随着应用场景的发展而变化,以下是数据采集场景的发展趋势。
|
3月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
3月前
|
机器学习/深度学习 数据采集 算法
大数据分析技术与方法探究
在当今信息化时代,数据量的增长速度远快于人类的处理能力。因此,如何高效地利用大数据,成为了企业和机构关注的焦点。本文将从大数据分析的技术和方法两个方面进行探究,为各行业提供更好的数据应用方向。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
52 2
|
14天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
3月前
|
机器学习/深度学习 存储 人工智能
大数据处理与分析技术:未来的基石
在信息化时代,数据已成为企业发展和决策的基础。而随着数据量的不断增长,传统的数据处理方法已经无法满足现代企业的需求。因此,大数据处理与分析技术的出现成为了新时代的必需品。本文将介绍大数据处理与分析技术的概念,意义、应用场景以及未来发展趋势。
50 3
|
23天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
28天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。

热门文章

最新文章