跨越生物信息学“数据鸿沟”，解码基因储存的奥秘

英国曼彻斯特大学的计算和进化生物学家凯西·伯格曼(Casey Bergman)在其撰写的《选择读生物信息学/计算生物学的博士或博士后的N大理由》写道：计算是21世纪生物学研究的核心技能。生物正越来越变成一门定量的科学。在过去的三个世纪里，生物学从一门观察性科学转变为实验科学，并即将变为一门数据科学。

的确，生物信息学是一个典型的BT（生物技术）+IT（信息技术）产业。基因组测序、蛋白质组学、代谢组学等先进组学技术在生命科学研究和人类健康领域的应用，将生物信息转化为数字信息。我们掌握的数字工具越是先进，就越能高效便捷地探索基因奥秘，从而处理与个体疾病表型相关的所有数据，并最终明确各因素的相关性和混杂性。

在大数据、人工智能和高性能计算逐渐融合的趋势下，面临海量生物数据的生物信息学领域虽然存在着“数据鸿沟”，面临着诸多挑战，但也为行业发展带来新的机会。

生物信息的数据存储挑战

数据显示，基因研究产生的数据以每12-18个月10倍的速度快速增长。以基因测序为例，一台测序仪两天产生100多TB数据，不仅要将这些数据快速存储，还要在分析环节快速读取，最后组装成完整的基因图谱，这都离不开数据存储系统。

11月16日，存储性能评测最权威的国际排行榜——IO500最新榜单发布，中国厂商中科曙光自研的ParaStor分布式存储系统斩获本届冠军，表明曙光自研ParaStor存储系统已达世界领先水平。IO500上榜系统中，很多存储系统都应用于生物信息、自动驾驶、气象模拟等复杂科学和商业场景。

本届榜单也引起了生物信息领域的关注。生物信息学数据来自于大量生物样本、科研中间数据和实验结果，必须借助计算机将其从生物信息转化为数字信息，才能为研究人员所用。海量生物数据的存储、读取、挖掘处理都面临着机遇与挑战。

哪里有数据，哪里就会有存储。某种程度上，存储系统是生物信息学的一个重要支撑，它既是生物数据的起点，也是其经过全生命周期处理之后的终点。因此，生物信息学对存储的需求也水涨船高。

具体来看，生物信息对存储系统至少有三个层面的要求：

· 稳定性，生物信息行业应用程序众多，对存储有多样化需求，作业持续时间较久，存储系统的稳定性至关重要；

· IO读写效率，面对顺序的IO读写和随机小IO读写，存储系统应能发挥出最佳水平，提高作业效率；

· 弹性易扩容，存储系统要支持大容量存储空间和百亿级文件规模，且性能和容量随业务增长按需平滑扩展。

生物信息学的数据类型主要是文本文件、图像文件、二进制文件等非结构化数据，通过多次的、多工作组的科学计算，这些数字信息如同开采金矿一样，等待被挖掘出价值。

曙光ParaStor系统的数字化力量

工欲善其事，必先利其器。数据存储系统的稳定性、IO读写效率和弹性扩展能力，推动着生物信息学的不断发展与创新。

正如IO500榜单呈现的，近年来，数据存储领域竞争激烈，每年都有新面孔出现，并且一出现就打进前五名的不在少数。榜单历届冠军都具有多年存储核心技术的自研积累和技术创新能力，覆盖国内外一流厂商、高校和科研机构。今年则尤其激烈，前四名均是全新成绩，曙光ParaStor一举将世界纪录提高146%，大幅领先第二名，背后是曙光对存储系统全栈技术研制、优化和创新能力的体现。

以生物信息领域为例，曙光ParaStor通过Scale-Out横向扩展、IB+RDMA高速互联、内核态POSIX协议、智能SSD Cache及小文件聚合等技术，消除传统的Scale-up纵向扩展存储架构的性能局限性，有效解决基因测序应用中，对海量大文件存储场景高聚合带宽、小文件存储场景高IOPS的存储需求。

实际上，作为核心信息基础设施领军企业，中科曙光深耕医疗领域多年，一直为生物信息领域提供数字化助力。曙光ParaStor存储系统以极致性能，通过提升医疗数据检索、统计分析、图形化呈现在内的大规模数据挖掘能力，支持“转化医学”的医疗、科研人员进行总结和探索性的科研工作。目前，曙光ParaStor已为北京天坛医院、上海市疾病预防控制中心等单位提供存储产品与解决方案，支持医疗影像、二代基因测序、靶向药品研发等应用的稳定运行。

例如，曙光ParaStor已成功为上海交通大学医学院附属瑞金医院建设“临床资源分析和挖掘测序平台”，以患者生理生化指标，器官影像检查、家族遗传背景等多维度的数据为基础，结合基因组测序、蛋白质组学和代谢组学等各种先进组学检测等技术，通过生物信息学手段进行综合数据分析和挖掘，提供与疾病诊断和治疗相关的遗传和临床信息。形成特征数据后，再通过机器深度学习和人工智能等方法，实现真正意义上的精准分析、辅助诊断和个性化医疗。

用数字存储系统，解码基因储存的奥秘。学科的交叉与融合，信息技术之于生物信息的广阔前景，为产业研究打开了新的通路。希望中科曙光能够持续创新技术与产品，为更多生物医学研究领域客户提供有效的性能保证和技术支持。