Xilinx DRAGEN加速器管線創(chuàng)吉尼斯紀錄

費城兒童醫(yī)院 （CHOP） 與 Edico Genome 通過在 1000 個亞馬遜 EC2 F1 實例上使用 Edico Genome 公司的 DRAGEN 加速器管線，共同在快速處理人類全基因組方面于創(chuàng)造了全新的科學界標準。

CHOP 使用 DRAGEN 加速器管線在短短 2 小時 25 分鐘內即處理了 1，000 個兒童全基因組。這一成就被吉尼斯世界紀錄認定為在最短時間內創(chuàng)下了分析 1000 個人類基因組的世界紀錄。該項吉尼斯世界紀錄獲得了現(xiàn)場評判員的官方認可，并將在同行評審的期刊上發(fā)表結果。

該演示使用了 CHOP 專項重點項目中心（即應用基因組中心 （CAG））收錄的 1000 例兒童患者的全基因組。匿名基因樣本的選擇不僅反映了整個生物樣本庫的組成，而且也代表了最常見的復合基因紊亂癥和罕見的單基因疾病。將從亞馬遜 S3 Bucket 中的 FASTQ 文件遷移至 EC2 F1.2xlarge 實例，可采用賽靈思 Virtex UltraScale+ 現(xiàn)場可編程門陣列 （FPGA）。DRAGEN 加速器管線功能包括映射、對齊、整理、復制標記以及單倍體調用（haplotype variant calling）等，當將變體調用格式 （VCF） 文件交付回安全的亞馬遜 S3 Bucket 時，該過程結束。

CHOP 旗下 CAG 的主任、醫(yī)學博士 Hakon Hakonarson 在新聞稿中表示：“今天的速度測試是 CAG 和 Edico Genome 兩年來協(xié)作的結晶，其中也包括在我們的中心對其產品進行 Beta 版測試。我們使用 DRAGEN 作為我們基因組工作流的一部分，達成了將基礎研究成果轉換為醫(yī)學創(chuàng)新的使命。該技術處理海量原始數(shù)據(jù)的速度極快，在幾分鐘內即完成，這就使得我們能在短短幾小時內就交付切實有效的結果。這一至關重要的功能將成為我們進一步實現(xiàn)兒童與家庭精準醫(yī)療的強大優(yōu)勢?！?/p>

Hakonarson 在試驗后向 Bio-IT World 表示：“現(xiàn)在，我們真的做到了。序列生成變得越來越不重要了。這是名符其實的信息研究流程，即將序列轉化為可使用的文件，進而您就能開展表現(xiàn)型-基因型（phenotype-genotype）分析，［這才是真正的挑戰(zhàn)所在］，而這也是我們已經實現(xiàn)的?！?/p>

去年，Edico 將 DRAGEN 加速器管線移植到了 Amazon Web Service 的 EC2 F1/FPGA 實例中。此前，DRAGEN 僅適用于內部安裝。今年 8 月，Edico 的總裁兼首席執(zhí)行官 Pieter van Rooyen向 Bio-IT World表示，到目前為止，DRAGEN 加速器管線年內已在現(xiàn)場部署環(huán)境中處理了 12PB 的數(shù)據(jù)量。他隨即還表示，預計對云端的使用還會進一步大幅增長。今年夏天他曾表示：“今后云端使用毋庸置疑會大幅提升。在云端處理基因組數(shù)據(jù)是必然的發(fā)展趨勢。坦誠地說，我認為混合解決方案才是正確的解決之道，也就是將現(xiàn)場與云端相結合。”

不過，Hakonarson 提出了訪問云端 DRAGEN 的靈活性問題?！霸?Broad、Baylor、WashU 及西雅圖等多個地點都有大規(guī)模排序中心，需要處理大量數(shù)據(jù)。這些中心設備精良，顯然具有處理數(shù)據(jù)的能力。不過，各種中型企業(yè)類型機構現(xiàn)在也要處理序列，這些機構的具體體量各不相同，他們在處理方面面臨困難。（參見Shawn Levy 對安裝在 HudsonAlpha 上的 DRAGEN 的初始印象。）

雖然吉尼斯世界紀錄反映的是測試速度，但是其處理的成本也很低廉。Hakonarson 指出：“事實上并不太貴。由于僅用了短短的兩個小時，所以實際成本相對較低?！彼x絕提供具體金額，但表示“我們指的是單位樣本的成本”。隨后他又補充說：“當然，成本在大多數(shù)情況下都至關重要。但是，如果嬰兒在 NICU 內搶救，而您又必須針對診斷目的快速處理數(shù)據(jù)，那么這時花錢也是必須的事情?！?/p>

此外，將 Edico 的管道用于臨床領域還創(chuàng)造了另一項吉尼斯世界紀錄：26 小時基因組診斷，該項目由來自堪薩斯城兒童慈善醫(yī)院旗下兒科基因組醫(yī)學中心的 Stephen Kingsmore 及其同事執(zhí)行，論文于 2015 年發(fā)表在《基因組醫(yī)學》上。

昨天，在 ASHG 上進行演示所用的數(shù)據(jù)不是臨床數(shù)據(jù)。樣本來自 CAG 生物資料庫，都是刪除了身份識別信息的研究樣本。樣本的 60% 以上來自非洲裔美國人，這也成為迄今為止這類人群規(guī)模最大的基因組排序之一。CAG 將使用快速分析所得的結果，希望從中發(fā)現(xiàn)哮喘、自閉癥、糖尿病、癲癇、肥胖、精神分裂、兒童癌癥等常見兒童疾病以及各種罕見病的基因聯(lián)系。

CAG 擁有總量約 100，000 個樣本的生物資料庫，同時還擁有對協(xié)作伙伴 350，000 個樣本的權限訪問。Hakonarson 指出，基本上所有樣本都進行了基因型分析。數(shù)千個樣本進行了外顯子測序（exome sequenced），并有 2000 個樣本完成了全基因組測序。

Hakonarson 指出，全基因組測序的成本是限制性因素，他表示“每個樣本的成本約 1500 美元。如果我們能負擔起 100，000 個樣本分析的成本，那么我們立即就會行動！”目前，CAG 正兢兢業(yè)業(yè)，努力在今年年底前完成約 10，000 個樣本的全基因組測序。