快速且經(jīng)濟(jì)高效的全基因組測(cè)序和分析可以迅速為患有罕見或未診斷疾病的危重患者提供答案。最近在加速臨床測(cè)序方面取得的進(jìn)展,例如創(chuàng)造世界紀(jì)錄 用于快速診斷的DNA測(cè)序技術(shù) ,使我們離在臨床環(huán)境中進(jìn)行全基因組基因診斷又近了一步。
斯坦福大學(xué)醫(yī)學(xué)院( Stanford University School of Medicine )、NVIDIA ( NVIDIA )、谷歌( Google )、 UCSC 和牛津納米孔技術(shù)( Oxford Nanopore Technologies , ONT )領(lǐng)導(dǎo)的一個(gè)團(tuán)隊(duì)最近使用這項(xiàng)技術(shù)來(lái)識(shí)別與疾病相關(guān)的基因變異,這些變異在短短 7 小時(shí) 18 分鐘內(nèi)就得到了診斷,結(jié)果于 2022 年 1 月發(fā)表在 新英格蘭醫(yī)學(xué)雜志 上。
這一創(chuàng)紀(jì)錄的端到端基因組工作流程依賴于創(chuàng)新技術(shù)和高性能計(jì)算。它利用長(zhǎng)閱讀納米孔測(cè)序技術(shù)更好地分析結(jié)構(gòu)變體。這是在 48 個(gè)流動(dòng)池中實(shí)現(xiàn)的,優(yōu)化的方法使孔占有率達(dá)到 82% ,在短短幾個(gè)小時(shí)內(nèi)快速生成 202 千兆堿基。對(duì)輸出的分析分布在一個(gè)谷歌云計(jì)算環(huán)境中,包括 16 個(gè) 4xV100 GPU 實(shí)例(總計(jì) 64 GPU 個(gè))的基調(diào)用和對(duì)齊,以及 14 個(gè) 4xP100 GPU 實(shí)例(總計(jì) 56 GPU 個(gè))的變體調(diào)用。
自一月 NEJM 發(fā)表以來(lái),NVIDIA Clara 團(tuán)隊(duì)一直在優(yōu)化 DGX-A100 的全基因組工作流程,使臨床醫(yī)生和研究者能夠在八 A100 GPU 上部署與世界記錄方法相同的分析,而在 4H10M 中部署 60X 全基因組(圖 1 ;在 HG00 參考樣品上標(biāo)明)。
圖 1 。 NVIDIA DGX-A100 上優(yōu)化的納米孔測(cè)序工作流程
這不僅可以在本地運(yùn)行的單服務(wù)器( 8-GPU )框架中實(shí)現(xiàn)快速分析,還可以將每個(gè)樣本的成本降低三分之二,從 568 美元降至 183 美元。
基本呼叫和對(duì)齊
堿基調(diào)用是將原始儀器信號(hào)分類為基因組堿基 A 、 C 、 G 和 T 的過(guò)程。這是確保所有下游分析任務(wù)準(zhǔn)確性的計(jì)算關(guān)鍵步驟。這也是一個(gè)重要的數(shù)據(jù)縮減步驟,將生成的數(shù)據(jù)縮減約 10 倍。
以每堿基 340 字節(jié)為單位,一個(gè)單一的 60 倍覆蓋率的整個(gè)基因組在原始信號(hào)中很容易達(dá)到數(shù)萬(wàn)億字節(jié),而在處理時(shí)則為數(shù)百千兆字節(jié)。因此,計(jì)算速度有利于與測(cè)序輸出速度相匹敵,這是非常重要的,通過(guò) 48 個(gè)流動(dòng)單元的 128000 個(gè)孔,以每秒約 450 個(gè)堿基的速度進(jìn)行。
ONT 的 PromethION P48 測(cè)序儀在 72 小時(shí)的運(yùn)行中可以產(chǎn)生多達(dá) 10 個(gè) Terabase ,相當(dāng)于 96 個(gè)人類基因組(覆蓋率為 30 倍)。
這項(xiàng)工作所需的快速分類任務(wù)已經(jīng)受益于深度學(xué)習(xí)創(chuàng)新和 GPU 加速。用于此目的的核心數(shù)據(jù)處理工具包 Guppy 使用遞歸神經(jīng)網(wǎng)絡(luò)( RNN )進(jìn)行基址調(diào)用,可以選擇更小(更快)或更大(更高精度)的遞歸層大小的三種不同架構(gòu)。
BaseCall 中的主要計(jì)算瓶頸是 RNN 內(nèi)核,它得益于 GPU 與 ONT 序列器的集成,例如桌面網(wǎng)格 Mk1 ,其中包括一個(gè) V100 GPU 和手持 MinION Mk1C ,其中包括一個(gè) Jetson 邊緣平臺(tái)。
比對(duì)是將合成的堿基 DNA 片段(現(xiàn)在是 As 、 Cs 、 Gs 和 Ts 的字符串形式)提取出來(lái),并確定這些片段起源的基因組位置,通過(guò)大規(guī)模并行測(cè)序過(guò)程組裝完整基因組的過(guò)程。這基本上是從許多 100-100000 bp 長(zhǎng)的讀取中重建全長(zhǎng)基因組。就創(chuàng)造世界紀(jì)錄的樣本而言,總共有 1300 萬(wàn)次閱讀。
在最初的世界記錄分析中, basecalling 和 alignment 分別在 Guppy 和 Minimap2 的不同實(shí)例上運(yùn)行。通過(guò)將其遷移到單服務(wù)器 DGX-A100 解決方案,并使用 Guppy 的集成 minimap2 aligner ,您可以立即節(jié)省 I / O 時(shí)間,并從 A100 用于 RNN 推斷的張量核心中獲益。通過(guò)在 DGX 上分別平衡八個(gè) A100 GPU 和 256 CPU 線程的基址調(diào)用和對(duì)齊,這兩個(gè)進(jìn)程可以完全重疊,以便與基址調(diào)用同時(shí)對(duì)齊讀取,不會(huì)對(duì)總運(yùn)行時(shí)間造成影響(《 1 分鐘)。
這使 DGX-A100 上的 basecalling 和校準(zhǔn)步驟的運(yùn)行時(shí)間變?yōu)?2h 46m ,這也可以與測(cè)序本身重疊。這與 60 倍樣本的預(yù)期測(cè)序時(shí)間相似。
變異呼叫
變體調(diào)用是工作流的一部分,旨在識(shí)別新組裝個(gè)體基因組中與參考基因組不同的所有點(diǎn)。這包括掃描基因組的全部寬度,以尋找不同類型的變異。例如,這可能包括小的單堿基對(duì)變體,一直到覆蓋數(shù)千個(gè)堿基對(duì)的大結(jié)構(gòu)變體。世界紀(jì)錄管道使用胡椒粉作為小變體,使用嗅探作為結(jié)構(gòu)變體。
PEPPER Margin DeepVariant 方法旨在優(yōu)化小變異,以實(shí)現(xiàn)納米孔測(cè)序產(chǎn)生的長(zhǎng)讀。
PEPPER 通過(guò) RNN 識(shí)別候選變體, RNN 由兩個(gè)雙向、選通、循環(huán)單元層和一個(gè)線性轉(zhuǎn)換層組成。
Margin 然后使用隱馬爾可夫模型方法進(jìn)行一個(gè)稱為單倍型的過(guò)程,確定哪些變體是從母系或父系染色體一起遺傳的。它將此信息傳遞給 Google DeepVariant ,以最大限度地提高雜合子變體調(diào)用的準(zhǔn)確性。
DeepVariant 通過(guò)一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)最終變體進(jìn)行分類,該網(wǎng)絡(luò)建立在 Inception v2 體系結(jié)構(gòu)之上,專門適用于 DNA 讀取堆積輸入圖像。
總的來(lái)說(shuō), PEPPER Margin DeepVariant 允許更快的 PEPPER 神經(jīng)網(wǎng)絡(luò)掃描整個(gè)基因組尋找候選基因,然后使用更大的 DeepVariant 神經(jīng)網(wǎng)絡(luò)對(duì)這些候選基因進(jìn)行高精度的變異調(diào)用。為了加速這條管道,世界紀(jì)錄工作流使用了 Parabricks DeepVariant ,這是一種 GPU 加速的實(shí)現(xiàn),比 CPU 上的開源版本快 20 倍以上(圖 2 )。
Clara 團(tuán)隊(duì)通過(guò)修改 PEPPER Margin 以集成方式運(yùn)行,按染色體分割數(shù)據(jù),并在 GPU 上同時(shí)運(yùn)行程序,進(jìn)一步加快了速度。 PEPPER 還針對(duì)批量大小、工作人員數(shù)量和呼叫者數(shù)量等管道參數(shù)進(jìn)行了優(yōu)化,并對(duì) PyTorch 進(jìn)行了升級(jí),以支持 NVIDIA 安培體系結(jié)構(gòu)加速 RNN 推理瓶頸。
對(duì)于結(jié)構(gòu)變量調(diào)用, Snifgles 升級(jí)為最近發(fā)布的 Snifgles 2 ,其效率要高得多,僅在 CPU 上的加速度為 38 倍。
所有這些改進(jìn)使 DGX-A100 的多變量調(diào)用階段的運(yùn)行時(shí)間達(dá)到 1h 24m 。
圖 2 。 Parabricks DeepVariant 支持在 ONT 數(shù)據(jù)上快速運(yùn)行
視頻 1 。危重病人超快速 DNA 測(cè)序技術(shù)的優(yōu)化
使用 NVIDIA DGX-A100 為實(shí)時(shí)測(cè)序供電
通過(guò)優(yōu)化 DGX A100 的世界記錄 DNA 測(cè)序技術(shù),NVIDIA Clara 團(tuán)隊(duì)為實(shí)時(shí)測(cè)序提供了動(dòng)力,簡(jiǎn)化了單個(gè)服務(wù)器上的復(fù)雜工作流,并且在達(dá)到最先進(jìn)性能的同時(shí),將分析成本降低了 50% 以上。
關(guān)于作者
Harry Clifford:作為NVIDIA 基因組學(xué)的高級(jí)產(chǎn)品架構(gòu)師, Harry 致力于工程和產(chǎn)品開發(fā)之間的接口,利用NVIDIA 在人工智能、高性能計(jì)算( HPC )和數(shù)據(jù)分析堆棧方面的專業(yè)知識(shí),以加速高精度解決方案解決基因組學(xué)工作流問題。他的背景是生物信息學(xué)和功能基因組學(xué),包括來(lái)自牛津大學(xué)的博士學(xué)位、生物制藥行業(yè)和劍橋大學(xué)的博士后經(jīng)驗(yàn)以及生物技術(shù)領(lǐng)域的創(chuàng)業(yè)經(jīng)驗(yàn)。哈里在與人共同創(chuàng)立精準(zhǔn)腫瘤公司 CCG 后,被列入福布斯“ 30 歲以下”榜單。 ai (被 Dante Labs 收購(gòu)),一家由 Y Combinator 和默克加速器支持的初創(chuàng)公司,通過(guò)深度學(xué)習(xí)和高級(jí)分析軟件提供決策支持。
審核編輯:郭婷
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4717瀏覽量
100002 -
NVIDIA
+關(guān)注
關(guān)注
14文章
4793瀏覽量
102427
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論