华大基因借助英特尔微异构加速基因测序

基因测序，一直就是科学家不断地孜孜追求破译生命遗传信息的关键方法，而其海量、复杂、多变的数据计算需求一直是横越在前行道路上的一道鸿沟。随着多年来超级计算机的不断发展，高性能计算在基因测序发展上发挥了重大的助推作用。而作为中国首屈一指且世界知名的基因研究机构——华大基因，其借助高性能计算优势在基因测序相关研究及应用上作出了令人瞩目的成绩，而其在全新基于英特尔微异构架构的高性能计算平台上的测试，取得了重大进展进一步加速了基因测序。

高性能计算助力基因测序

“每个人约有1万亿个细胞，每个细胞里面都有23对染色体，这些染色体中包含的DNA由ATCG不同碱基序列构成，数量共计达30亿，这些基因序列就是破解人类遗传信息奥秘的钥匙”，华大基因高性能计算研发主管王丙强博士介绍到，基因测序工作就是要通过大规模的计算分析从海量的数据信息中辨识载有的基因及其序列，最终获取遗传信息。

人类基因组计划 (human genome project, HGP) 旨在绘制人类基因组图谱最终达到破译人类遗传信息目的，该计划于1990年正式启动，而这也正是催生华大基因成立的重要原因。庞大而复杂的海量数据早已超出人类计算的能力，要想及时且准确地大规模处理这些数据就不得不依靠计算机的高性能计算。“华大基因一直非常重视高性能计算平台的建设”，王博士介绍到，华大基因建立了基于高性能计算的大规模测序、生物信息、克隆、健康、农业基因组等技术平台，其测序能力及生物信息分析能力世界领先。自1999年成立以来，华大基因成功完成了国际人类基因组计划“中国部分”在其中承担了绝大部分工作，并在Nature和Science等国际一流的学术杂志上发表百余篇学术论文，奠定了中国基因组科学在国际上的领先地位。

华大基因目前已在深圳、香港、北京和武汉等地建立多个大型生物信息超级计算中心，总峰值计算能力达到200T flops，总内存容量达到35TB，总存储能力达到16PB。这为海量生物信息学数据的存储、处理和分析提供了稳定而高效的保障。其中位于深圳和香港的两个中心，是目前中国最大的两个生物信息超级计算中心。

华大基因展示的杂交石斑鱼，其生长速度和体重是普通石斑鱼的2-3倍，而且口感更好


至强融核 进一步加速基因测序

在寻求更快更高效的高性能计算基因测序方案的过程中，华大基因一直在尝试新的技术和方法来进一步加速基因测序。面对复杂的基因测序数据处理，既要拥有高性能的计算能力，又要考虑其经济效益，并结合未来在相关研究的发展，经过多番考量和研究，华大基因最终选择了与英特尔联手启动关于至强融核协处理器在生命科学领域的应用项目。

至强融核协处理器（Xeon Phi）是英特尔面向高度并行的高性能计算（HPC）应用所推出的协处理器，能够提供多达 61个内核、244个线程和 1.2万亿次浮点运算性能，此外其余英特尔至强处理器架构使用同样的编程语言、并行模式、技术和开发人员工具，具有迁移便捷编程可移植等优势。

“我们愿意尝试英特尔至强融核，首先是看中了其编码的简单可移植性，这是来自基因测序相关程序的重要需求；其次，我们在未来想借助2013年在全球高性能计算机500强排名第一的广州天河二号超级计算机的计算能力，而它就正是就基于英特尔微异构的。”华大基因高性能计算研发主管王丙强博士介绍到。

英特尔微异构 效果超出预期

华大基因在基因测序计算中应用的是BWA（Burrows-Wheeler Aligner），是基因研究中一款十分优秀并且被广泛使用的序列比对软件。“由于BWA软件代码分支多，并且有很多随机访问，起初我们认为BWA移植效果可能不会太好”，王丙强博士介绍到，“然而，实际测试的性能表现非常不错，大大超出了我们的预期，我们共尝试了6种优化方法，获得的最好加速比能达到2.19。”

值得一提的是，微异构代码迁移和优化上也带来了很多优势，王丙强表示，代码的修改工作量的确不大。“只需要对源代码进行很小幅度的修改，是添加一些辅助编译指示，就能在微异构上运行的相当好。”他说。

更强计算力 加速生命解谜

在测试基于英特尔微异构的高性能计算平台的同时，华大基因也正在执行3M百万基因组计划，即百万动植物基因组计划、百万人基因组计划、百万微生态基因组计划，该项目将联合全球科学家，通过上百万样本的测序构建遗传信息的数据库，进一步推动基因组测序和生物信息分析技术在粮食安全、医学应用、生态保护等重大发展问题的应用。

“当面对如此规模的数据的项目时，华大基因的计算能力仍显得有些不足，因此一方面我们不断扩充自身的数据中心，另外也在考虑借助天河二号这样的超级计算机的计算能力”，王丙强博士介绍到，“这些项目对计算能力的需求非常大，未来就看微异构如何来加速这些基因测序的计算和分析了。”