X86 vs ARM 架构同台竞技: 生物大数据大规模并行计算（如何将WGS全基因组计算成本降到1美元）

基因组序列分析是生命科学和医疗保健行业领域的重要组成部分，是众多技术突破的关键。随着生命数字化时代的来临，为了解决大数据带来的速度与费用问题，在云计算平台进行流程的分析及计算是目前较流行的方案。然而大部分用户通常直接采用了未优化的软硬件配置，导致样本分析成本过高。因此，如何在云平台上选择合适的硬件配置，从而平衡计算成本与分析速度，成为了值得探索的问题。

为此，Oracle甲骨文云发布了相应的评测文章，该测试项目使用了OCI提供的最新的 ARM 和 x86计算实例，利用OCI硬件资源分配与优化机制，搭配Sentieon软件进行了一系列的运算耗时和云成本估算的基准测试。旨在为用户实现全基因组二级分析的高效计算和低成本的最佳平衡。

在分析流程上，该项目选择了Sentieon DNAseq（v202112.01）流程作为软件方案。Sentieon DNAseq 作为行业金标准 BWA-GATK 的直接替代品，不仅能提供与 BWA-GATK 流程一致的分析结果，而且灵活性强，运行速度更比GATK 快 5-20 倍。

我们将在本篇文章中详细展示测试细节和深度分析，供生物大数据分析研究人员参考。

测试细节

测试环境

该项目测试工作使用了OCI提供的最新的AMD、ARM 和 Intel处理器。下表为各个云计算实例的配置情况。相比于其他云计算服务平台，OCI的优势之一是允许用户灵活指定所需的CPU线程数，内存数，存储以及输入/输出，从而达到与应用流程的最佳适配和最优的使用成本。

<