算力＋存力：优化基因测序的关键所在

作者：戴尔科技医疗行业首席技术官 张灿

随着智慧医疗的发展和AI、高性能计算在医疗行业的深入应用，医疗行业的数字化改革已步入新的阶段，而随着人们对基因与疾病关系的了解日益深入，基因测序应用在医疗领域逐渐发挥越来越重要的作用。

基因测序检查不仅可以更加准确地诊断疾病，还可以对疾病风险进行预测，受测者可根据检测结果对疾病进行早期干预，从而防止和延缓疾病的发生和发展，促使诊疗模式从治疗为主向以预防为主转变。

另一方面，随着测序应用及测序平台建设成本的不断下降和成熟，越来越多的医院开始自建基因测序平台，力争在基因测序应用上取得更多临床和科研上的突破，从而提升医院在精准医疗、个性化医疗上的实力及竞争力。

但测序应用本质上属于HPC应用，和医院传统的HIS、PACS等核心应用有极大区别。对基因测序应用的工作流程和特点有全面的了解是建设一个高性能、高弹性、高安全性、易管理、易使用平台的关键。

基因测序流程的

三大分析阶段

基因测序全流程由三个分析阶段组成，下图揭示了从测试样本到最终生成解读报告的大体流程：

▶一级分析：将需要进行测序的生物样本送入基因测序仪中，由测序仪进行WGS（全基因组测序）、WES（外显子测序）等测序操作，测序结果输出到可用于计算机进行分析的FASTQ文件中。FASTQ文件类似一个文本文件，每两行或三行记录一个DNA片段的碱基序列信息，测序质量信息等。

▶二级分析：算力存储集群对FASTQ文件进行分析和处理，生成可供三级分析使用的VCF文件。

▶三级分析：医学专家或科研人员通过分析服务器和专业数据库对VCF文件进行解读，给出疾病解读报告或者基因关联分析报告。疾病解读报告主要用于临床，比如某种基因突变是否可以使用某种靶向药物等。基因关联分析报告主要用于科学研究，比如某种基因突变会带来某种生理现象或者疾病等。

而在这三个步骤中，二级分析又分为比对，排序，去重和变异检测四大步骤：

1、比对 (Mapping) ：就是将FASTQ文件中的每一条记录同正确的序列文件（这个文件也称为参考基因文件）进行对比，找出每条记录在参考基因文件中对应的序号，并将比对的结果写入到一个临时的SAM文件中。

不过由于SAM文件非常大，而且不便于后续分析，因此需要通过特定的软件工具将SAM文件转换为尺寸更小，更适合分析的BAM文件。不过这个BAM文件也是临时文件，仅用于后续分析使用；

2、排序 (Sorting) ：将BAM文件中的每条记录按照比对出的正确序号进行排序；

3、去重 (Deduplication) ：指将BAM文件中重复的记录删除（有的分析软件仅对重复记录进行标记而不是删除），以便进行随后的变异检测；

4、变异检测 (Variant Calling) ：将去重后的BAM文件中的每一条记录与参考基因序列进行比对，找出错误的记录，并将有错误的记录写入到最终的VCF文件中供人工解读使用。

详解基因测序三阶段

以盗版书为例

基因测序的三大阶段包含8个步骤，为了方便大家的理解，我们可以通过一个形象的例子来拆分基因测序的流程。

比如，我们的小编在市场上发现了一本纸质版的《繁花》盗版书，为了找出盗版书中所有的错误并证明其危害&