基因组学、生物信息学及高性能计算.ppt

谢谢！ 基因组学、生物信息学和高性能计算的关系 基因组学和生物信息学密不可分，是一对孪生兄弟 高性能计算环境则又是基因组学和生物信息学的共同基础，一方面需要存储大量的基因组数据，另一方面需要提供高效的计算服务 因此，未来资源将变得非常重要，尤其是高性能计算资源，将直接影响着基因组学和生物信息学研究的开展。 * 基因组学、生物信息学及高性能计算 胡松年 中国科学院北京基因组研究所 内容 1. 研究所整体介绍 2.基因组及生物信息基础科研环境 3. 生物信息研究工作 4. 致谢 West 5 Institutes Shanghai 8 Institutes Beijing 7 Institutes Bio-related Institute of CAS Mid-South 5 Institutes 25 Institutes 19 National Key Labs 15 Botanic Gardens 18 Museums 9 Specimen Depository 13 Observation Stations 3 Mb 30 Mb 400 Mb 3000 Mb One can certainly do something useful for China PLoS Biology 2005 Rice Gene Maps Start from 1999 2007年10月22日，经过2个月的装修和筹备工作，中国科学院北京基因组研究所临时所址落成。 北京基因组所的中心任务 以大规模测序解决重要生物学问题 (测序是手段，不是目的） 将发现应用到经济和社会发展中 水稻基因组项目 人类转录组研究 肿瘤基因组研究 细菌及微生物研究 内容 1. 研究所整体介绍 2.基因组及生物信息基础科研环境 3. 生物信息研究 4. 致谢 基因组学 生物信息学 高性能计算 测序能力 测序仪 数量 序列 图像 运行时间 SOLiD v4.0 7 30GB 6～8TB 10天/台 SOLEXA GAII 4 15GB 4TB 10天/台 454 1 400MB GB量级 7小时/台 3730 4 ～50KB GB量级 2小时/台 数据产量：1TB/月 （不包括图像文件） 454 Solexa GAII “钓鱼”和“捞鱼” 前基因组时代的“钓鱼”和后基因组时代的“捞鱼” CPU: 960(core) Aggregation Capabilities:10.2TFLOPS 运算速度快 节点多 单节点内存大（至少2～4GB/Core） 节点内部网络通路无特殊要求 应用（NGS数据分析） 全基因组序列比对分析（BWA，SOAP，Bioscope，Bfast，…） 转录组序列比对分析 … 通用高性能集群计算环境 专用计算环境 大内存服务器 128GB/256GB/512GB/1TB 用途 大基因组拼接 转录组拼接 基于大数据量的功能分析 … 存储资源环境 分级存储 普通存储 + 高性能存储 高性能存储 + 磁带库存储 普通存储 + 高性能存储 + 磁带库存储 基因组所状况 普通存储：700TB（参与小数据计算） 高性能存储：200TB（参与大数据计算） 磁带存储：若干（备份数据） 内容 1. 研究所整体介绍 2.基因组及生物信息基础科研环境 3. 生物信息研究工作 4. 致谢 生物信息研究工作 (1) Resequencing Whole genome sequencing Exon capture sequecing (2) Assembly Sequencing Reads Long reads：454、3730 Short reads：Solexa、Solid Hybrid Reads：Long + Short reads Assembly pipeline Reads filtering (QV, adaptor, redundant reads) Reads correction Contig assembly Scaffolding Fix gap (3) Transcriptome Basic Analysis Reads filtering Map to genome Map to junction Annotation DEGseq GO KEGG Advanced Analysis De novo assembly SNP allele Alternative Splicing Isoform expression Anti-sence RNA … (4) microRNA (5) Methylation Solexa sequencing Busilfite method Singl