一場(chǎng)新型冠狀病毒肺炎疫情，牽動(dòng)舉國(guó)上下。在廣大的醫(yī)務(wù)人員奮戰(zhàn)一線的同時(shí)，一大批“科技力量”也加入了抗擊疫情的最前線。

在未知病毒以“不明原因肺炎”進(jìn)入公眾視野時(shí)，科研人員已經(jīng)開(kāi)始嘗試破譯病毒的基因數(shù)據(jù)。病毒基因組，是病毒的生命密碼。借助于分子生物技術(shù)，病原學(xué)專家通過(guò)對(duì)病毒標(biāo)本進(jìn)行測(cè)定，這樣的破譯，最早在 2020 年 1 月 2 日就已完成。隨后，中科院武漢病毒所、中國(guó)疾控中心病毒所、上海市公共衛(wèi)生臨床中心分別于 1 月 2 日、 1 月 3 日、 1 月 5 日凌晨，獲得病毒全基因組序列。

那么，病毒基因究竟是如何被一步步解析的?這其中高性能計(jì)算(HPC)平臺(tái)又起到什么樣的作用?來(lái)看看浪潮生命科學(xué)行業(yè)方案專家的解讀。

Q：能否舉例子介紹一下新冠病毒基因是如何被測(cè)定和解析的?

目前，在獲取病毒基因組序列方面，廣泛應(yīng)用高通量測(cè)序技術(shù)來(lái)完成，這種方式是將核酸序列打斷成短片段進(jìn)行測(cè)序，通過(guò)分析軟件將測(cè)得的短序列進(jìn)行拼接組裝。對(duì)于新發(fā)病毒，在序列組裝過(guò)程中會(huì)面臨更多難點(diǎn)，因?yàn)樵跍y(cè)序深度、測(cè)序準(zhǔn)確性、重復(fù)序列比例等方面沒(méi)有可供參考的經(jīng)驗(yàn)值，這就需要將海量的短序列還原出原始的基因組序列。在序列拼裝中還可能會(huì)出現(xiàn)測(cè)序錯(cuò)誤，拼接的準(zhǔn)確性和完整性不高，拼接難度更高。所以，解析新冠病毒序列，需要在建庫(kù)、高通量測(cè)序、序列組裝、變異進(jìn)化分析等多個(gè)流程加以管理。

新冠病毒序列組裝解決方案示意

比如在建庫(kù)環(huán)節(jié)中，對(duì)核酸含量高的樣本進(jìn)行rRNA去除再建庫(kù)，提高有效數(shù)據(jù)占比;對(duì)核酸含量低的樣本，直接進(jìn)行RNA建庫(kù)，減少核酸損失，提升建庫(kù)成功率，并加大測(cè)序深度。在測(cè)序環(huán)節(jié)采用更高效專注的測(cè)序儀，最后，通過(guò)病原鑒定系統(tǒng)對(duì)新冠病毒序列進(jìn)行數(shù)據(jù)分析并采用IDBA方法完成拼接。這樣可以滿足宏轉(zhuǎn)錄組測(cè)序病毒序列組裝對(duì)數(shù)據(jù)量的要求，保證序列信息的完整性。

我們來(lái)還原一下某疾控中心收到的 1 例新冠病毒肺炎疑似樣本，解析新型冠狀病毒感染病例呼吸道標(biāo)本宏轉(zhuǎn)錄組測(cè)序及病毒序列組裝的流程：

病毒全基因組序列獲取流程

? 首先是文庫(kù)制備。針對(duì)核酸量不同的樣本，采用不同的建庫(kù)策略。經(jīng)反轉(zhuǎn)錄、接頭連接、PCR擴(kuò)增、純化等一系列操作后獲得文庫(kù)產(chǎn)物，再使用滾環(huán)擴(kuò)增技術(shù)，制備DNA納米球。

? 第二步，上機(jī)測(cè)序。對(duì)病例的呼吸道標(biāo)本進(jìn)行高深度測(cè)序。

? 第三步，數(shù)據(jù)分析。產(chǎn)出32Gb數(shù)據(jù)，總序列數(shù)318M。結(jié)合病原感染快速鑒定系統(tǒng)，鑒定出 230 萬(wàn)余條新型冠狀病毒序列。

? 最后，拼接組裝。分析軟件會(huì)自動(dòng)將 230 萬(wàn)條的新型冠狀病毒序列從所有序列中抽出。使用拼接效率高的IDBA方法進(jìn)行組裝，成功完成新型冠狀病毒的序列組裝，獲得基因組序列。

Q：在冠狀病毒解析過(guò)程中，HPC平臺(tái)起到了那些作用?

在尋找病毒來(lái)源、獲知病毒結(jié)構(gòu)、篩選抗毒小分子方面HPC算力都發(fā)揮了重要的作用。例如在病毒分析領(lǐng)域常用的冷凍電鏡三維重構(gòu)技術(shù)，在低溫環(huán)境下利用透射電子顯微鏡對(duì)樣品進(jìn)行成像，再經(jīng)圖像處理和重構(gòu)計(jì)算獲得樣品的三維結(jié)構(gòu)。在整個(gè)流程中，數(shù)據(jù)采集、圖像處理、三維重構(gòu)是非常核心的三個(gè)步驟，對(duì)計(jì)算和存儲(chǔ)的需求非常高。病毒顆粒結(jié)構(gòu)的解析，其電鏡圖像的數(shù)據(jù)量可高達(dá)數(shù)TB，且病毒顆粒相對(duì)蛋白質(zhì)顆粒要大得多，在計(jì)算上單一進(jìn)程就需要128GB的內(nèi)存，那么一臺(tái)計(jì)算節(jié)點(diǎn)就需要至少4TB的內(nèi)存支持。在算法上，基于中央截面定理的重構(gòu)過(guò)程依賴大量的單精度或雙精度快速傅里葉(FFT)計(jì)算，需要海量算力資源來(lái)支持。

在實(shí)際應(yīng)用上，中科院生物物理所與浪潮-Intel中國(guó)并行計(jì)算聯(lián)合實(shí)驗(yàn)室合作開(kāi)展的基于MIC異構(gòu)架構(gòu)電子斷層三維重構(gòu)技術(shù)(Electron Tomography，簡(jiǎn)稱ET)應(yīng)用研究。研究團(tuán)隊(duì)共同開(kāi)發(fā)了ET的MIC單機(jī)單卡和單機(jī)多卡異構(gòu)高性能集群解決方案，大幅降低了計(jì)算時(shí)間。實(shí)際測(cè)試數(shù)據(jù)顯示，單機(jī)單卡與串行程序相比性能提升 25 倍，單機(jī)多卡版本與串行程序相比性能提升 74 倍。

Q：本次疫情將對(duì)于HPC在病毒研究領(lǐng)域的應(yīng)用產(chǎn)生哪些影響

在抗疫的生死競(jìng)速的賽場(chǎng)上，也許我們算的快一點(diǎn)，我們能救治的病人，能拯救的生命就會(huì)多一點(diǎn)。

從短期來(lái)看，科技戰(zhàn)疫正加速HPC在醫(yī)療領(lǐng)域的廣泛應(yīng)用，原來(lái)使用HPC最多的是科研院所，在疫情期間醫(yī)院、公共衛(wèi)生防預(yù)等機(jī)構(gòu)都開(kāi)始使用HPC。

從長(zhǎng)期來(lái)看，疫情過(guò)后，會(huì)誕生各種新興的科學(xué)技術(shù)研究和檢測(cè)，這些新興的科學(xué)研究對(duì)高性能計(jì)算有很高的需求，將促使HPC技術(shù)跨學(xué)科跨領(lǐng)域的融合。

從更大的范圍來(lái)看，疫情危機(jī)使中國(guó)以及全球的醫(yī)療信息化進(jìn)程加速，可以大膽的預(yù)測(cè)，HPC將在全球病毒研究領(lǐng)域?qū)?huì)走向全面普及。