生老病死是无法改变的自然规律，但人类一直没有停止过对疾病的抗争，这不是对死亡的恐惧，而是对生命的敬畏。
现代医学的发展史，就是一部科学的发展史，两者总是相辅相成。医学的发展让人类的寿命大大提高，让更多科技成果得以涌现，同样，科学的发展也赋予了医学更精准有效的治疗手段。
而随着人类文明进入到信息化时代，生物医学作为现代医学的分支和新兴的跨学科领域，也迎来快速的发展。随着生物医学大数据的增长，生物医学的发展也进入了崭新的阶段。苏州大学的生物医学研究，正通过高通量测序技术和AI技术，不断挖掘数据的价值，探索生命的奥秘。
01
高通量测序：下一代测序技术
“基因”始终带着神秘色彩，它是DNA上的特定部分，而DNA是支持着生命的基本构造和性能，储存着生命的种族、血型、生长、疾病等信息的生命密码，人类大约有2.5 万个基因来实现生命功能。
基因组学通过对生物体所有DNA和基因的研究，在改变着人类的未来，针对遗传出生缺陷的产前检测，肿瘤基因检测，病毒和细菌的基因研究等，通过基因组测序都能找出“元凶”。而这门学科的关键，是其背后的海量数据。作为一项天然数据密集型业务，基因组测序可以基于更多的样本数据，快速研发新药或提供精准的诊疗服务。
但是最初的基因组测序技术的效率却并不高，人类第一次完整基因组测序耗费了13年之久，且成本巨大。
苏州大学基础医学与生物科学学院特聘教授，博士生导师李玉梅博士说，“在生物医学领域，我们应用最多的就是高通量测序数据。”
有别于第一代测序技术，高通量测序技术是第二代测序技术，一个最显著的变化就是速度很快，过去要花费十年的测序时间，高通量测序技术只需要不到一天就可以完成，而且价格也非常低。
所以，高通量测序技术是对传统一代测序的一次革命性改变，可以一次对几十万到几百万条DNA分子进行序列测定，因此也被称为下一代测序技术。“有了海量的数据，便可以分析人的遗传突变、基因功能等，进一步分析基因突变的原因，突变与疾病之间的关系，就可以有针对性地去开发新的诊断方法和治疗药物。”李玉梅说。
高通量测序技术的快速发展，改变了人类研究生命蓝图的方式，同时也带来了爆炸式增长的测序数据，目前数据存储和传输都是亟需解决的问题。
02
直面生物医学的数据驱动
随着技术的成熟和成本的下降，生物数据通量急剧提升，这必然会带来诸多挑战。
以高通量测序为例，通过测序技术可以解析生物DNA序列特征，包括遗传变异检测、序列图谱构建等。尤其在人类健康研究中，需要了解基因的结构，功能，相互作用以及与各种人类疾病之间的关系，寻求各种治疗和预防方法，包括药物治疗、基于生物大分子结构及小分子结构的药物设计等。
第一个挑战就是数据量巨大。以基因组测序为例，从最初的人类基因组，扩展到其他动物、植物、远古生物、细菌、病毒的基因组，且目前已经涉及到肿瘤、遗传病等疾病的检测。因此，产生的数据种类和数据量是异常庞大的，通常以PB为单位保存。这就要求在系统中必须配置海量存储，以满足测序数据的存放。
第二个挑战是存储的稳定性。李玉梅说，“我们对存储的基本要求，就是要稳定，尽量不在存储和运行的过程中出现任何问题。”
其实，这个简单的逻辑，在测序领域，要真正做到，却是“堪比登天”。
此前，清华大学构建了一个RUSH系统，用于小鼠大脑的分析。这个实验环境中，有28个1200万像素的摄像头，不间断地高速拍摄小鼠脑图。要求是每秒钟拍摄30帧，并且要连续拍摄72个小时，且任何一帧的数据都不能丢。
浪潮信息存储产品线分布式存储总经理姜乐果说，“当时在跟清华大学的老师沟通时，他们起初认为国内的设备，很难达到这样的一个效果。浪潮就在工厂里，按照清华大学的要求，搭建了一个1：1还原的镜像环境，持续跑了三个月，做到了数据完全不丢失，最终得到了清华大学的认可。”
第三个挑战是数据的处理效率。一个人的基因组大概是3个GB，包含了30亿个碱基。在全基因测序过程中，为了保证基因数据的完整性，需要平行测序30次，当最终测序完成后，全基因组数据将达到100GB左右，所以对数据分析的效率提出了更高要求。
03
解铃还须系铃人
实际上，基因组测序场景本身，就是一次对全方位存储能力的“检验”过程。
第一，由于测序的整个过程不允许被中断，这就要求支撑测序应用的存储系统，具备极致的稳定性和可靠性；
第二，测序数据分析工作中，对存储系统的性能提出很高要求；
第三，在数据归档阶段，需要将海量基因数据长期、完整、安全的保存起来，存储系统的采购成本也是一个很大的挑战。
李玉梅说，“生物医学研究，背后是很大的数据量，因此我们对计算的需求就变高。同时随着测序的价格降低，数据越测越多，对存储的成本控制能力也提出了要求。”
解铃还须系铃人，解决生物医学数据驱动的关键，还在于存储设备本身。
浪潮新一代分布式存储平台AS13000G7就是一个很不错的选项。
在总体架构设计上，其支持五合一架构的融合存储，购买一套存储，即可享有块、文件、对象、大数据、视频五种服务。对于基因测序场景不同处理阶段，数据格式转换和数据拷贝会降低整个数据处理流程效率的问题，给出一个很好的答案。
在高性能方面，基于Intel至强四代可扩展处理器，支持PCIe 5.0高速总线、DDR5高速缓存，搭载自研NVMe SSD，通过盘控协同实现了端到端联合调优。相较上一代产品，分布式存储AS13000G7性能整体提升40%。
在成本优化上，AS13000G7的单一集群最大扩展至10240节点，单一文件系统支持千亿文件，通过智能算法，存储空间利用率达到94%以上，高利用率其实等于帮助用户节省了成本。
海量的生物医学数据，不断对存储系统提出新的挑战，同时也在加速存储技术的革新。从基因组测序到探索生命健康的密码，生命不息，创新不止。
