(1) バイオインフォマティクスを理解する
バイオインフォマティクスでは、応用数学、情報学、統計学、コンピューターサイエンスの方法を使用して生物学的問題を研究します。バイオインフォマティクスの研究資料や成果はあらゆる生物学的データであり、その研究ツールはコンピュータであり、その研究方法には検索（収集・選別）、加工（編集・整理・管理・表示）、活用（計算、シミュレーション）があります。
バイオインフォマティクスの典型的なワークフロー
このプロセスは、生の入力 (シーケンス生データ RAW) を意味のある出力または解釈可能な出力 (たとえば、高スループット シーケンス NGS データから生成された fastq ファイル) に変換する一連の連鎖したステップで構成されます。次に、ゲノム配列解析の特定の機能面に対応する特定のツールが実行されます。実行する分析の種類に応じて、ワークフローのステップ数は変化し、単純になったり複雑になったりすることがあります。
バイオインフォマティクスの主な研究方向: DNA/RNA/タンパク質の配列決定、配列比較、遺伝子発見、ゲノム構築、薬剤設計、創薬、タンパク質構造の比較と予測、計算集約的な技術 (パターン認識、データマイニング、機械学習) を使用するアルゴリズム、視覚化など）を利用して、生物学的プロセスの理解を深めます。したがって、高度なコンピューティング機器と豊富な専門的な分析ソフトウェアを装備する必要があります。
(2) バイオインフォマティクス解析の計算機能
多くの人は、理想的なグラフィックス ワークステーションのハードウェア構成を選択する方法について考えたことがあるかもしれません。
バイオインフォマティクスと計算生物学の研究に最適な PC/ワークステーションは何ですか?
バイオインフォマティクス解析のためのサーバー構成
全ゲノム配列解析研究室のハードウェア構成
高スループットの配列解析サーバーの要件は何ですか?
次世代シーケンスデータ解析に推奨されるハードウェア構成
NGS メタゲノミクス データを分析するためのコンピューター構成は?
2.1 バイオインフォマティクス解析の計算機能
バイオインフォマティクス データ解析には、ゲノミクス、トランスクリプトミクス、プロテオミクス、メタゲノミクス、メタボロミクスなどが含まれます。次の図は、ゲノム データ解析プロセス全体を示しています。
バイオインフォマティクス データ分析に含まれる計算は主に次のとおりです。
(1) リシーケンス時のシーケンス/マップアライメント計算(Mapping)
BWA/Bowtie などのプログラムを使用したマップされた読み取りの場合、メモリ RAM 要件はそれほど高くありません (たとえば、32GB で十分) が、CPU コアの数 (およびその周波数) によって、計算プロセスにかかる時間が決まります。多くの調整と調整 (BWA の使用など) を行う場合は、大量のメモリを搭載することよりも、CPU コアを多く搭載することの方が重要です。
もちろん、構成の仕様は予算と実行する予定の分析の種類によって異なります。
RNASeq で最も計算量が多いステップは比較ステップであり、多くの場合、比較は 1 回だけ行う必要があります。一般に、32コアCPU + 64GB RAMのハードウェア構成は、ゲノム/トランスクリプトーム/レインボーゲノム解析の標準マッピングおよびダウンストリーム解析を満たすことができます。
(2) De novo 配列アセンブリ計算 (Assembly)
デノボアセンブリ (Velvet など) を実行する場合、次世代シーケンス手法を使用して人の全ゲノムシーケンスデータを想定し、ヒトゲノムが 3G、10 倍のデータが 30G であると仮定すると、これらの 30G 塩基は次のようになります。データが 100G に増加し、保存されたシーケンスの他の情報がカウントされないと仮定して、より小さい kmer にカットされ、シーケンスが結合されるときにすべてのデータを一度にメモリに保存する必要があります。 100Gでは接続が全く完了しません。
したがって、大規模なゲノムアセンブリの場合は、CPU の計算能力が十分で、メモリが 150G 以上あれば問題ありませんが、細菌のゲノムの場合は、データセットとゲノムデータが必要ではなく、多くのハードウェアリソースが必要になります。大きすぎるので、メモリは 128GB で十分です。
NGS (Next Generation Sequencing) 解析のワークロードを最大化するには、ハードウェア構成に 3 つの主要なボトルネックがあります。それは、使用可能な CPU コア、メモリ容量、および I/O 帯域幅です。
2.2 バイオインフォマティクス分析にはハードウェア構成が必要
454とイルミナのデータはどうやって扱うのですか？全ゲノムアセンブリ/アセンブリ? シーケンスのスプライシング? リードを参照ゲノムにマッピングしますか?
(1) リアルタイムでデータを読み続けるためにはどのくらいのストレージ容量 (ハードディスク容量) が必要ですか?
次世代シーケンシング（ハイスループットシーケンシング）の臨床応用開発におけるボトルネックは、生成される大量のデータの保存と分析です。アプリケーションは多様ですが、共通のテーマは計算的および分析的に困難です。
(2) 分析対象の各ファイルのサイズ (RAM 容量、ハードディスクの読み書き速度) はどれくらいですか?
(3) 使用するソフトウェアがマルチプロセッサランタイム（CPU コア数）に対応している必要がありますか？
構成リファレンス:
(1) ゲノムプロジェクトの規模に基づく
(2) 研究グループの研究者数に基づく
(3) バイオインフォマティクス分析 2023 に推奨されるグラフィックス ワークステーション構成
(4) バイオインフォマティクス解析マルチコンピュータクラスタ構成推奨2023
機械の処理速度に関するお問い合わせ、技術的なご相談、詳しい技術的な解決策のご要望などございましたら、お気軽にお問い合わせください。
