清華大學楊茂君實驗室是國內(nèi)領(lǐng)先的結(jié)構(gòu)生物學實驗室，楊茂君教授目前為清華大學 Tenue-Track 系列教授，研究方向為生物大分子的結(jié)構(gòu)生物學基礎，主要以冷凍電鏡為研究手段探究生物大分子的結(jié)構(gòu)與功能。NVIDIA DGX Station A100 助力清華大學生命學院楊茂君教授實驗室，縮短了冷凍電鏡數(shù)據(jù)的處理時間，效率提升了約 50 倍。

GPU 替代傳統(tǒng)計算方式

解決龐大計算問題

目前單顆粒的冷凍電鏡的數(shù)據(jù)收集產(chǎn)生的數(shù)據(jù)量很大，以往的經(jīng)驗是使用 CPU 服務器以及多核多線程的方法進行計算，但在實際計算過程中，無 GPU 的普通服務器計算時間比較長，嚴重阻礙了后續(xù)的實驗進展。以一套使用 Titan Krios 收集的 2000 張照片的數(shù)據(jù)量為例，使用 box 為 200 埃進行顆粒的抽取，后續(xù)假定可以抽取 200 萬左右的顆粒，使用普通的無 GPU 服務器的普通工作站進行處理數(shù)據(jù)。以 RELION 軟件為例，普通的二維和三維每一輪次可能需要一天，處理完所有的數(shù)據(jù)的二維和三維操作，得到最終的結(jié)果至少需要一個月的時間。

GPU 加速的三維重構(gòu)計算，打破了上述的僵局。目前使用 GPU 的并行計算能力對于冷凍電鏡的大規(guī)模處理，可以迅速的對圖像進行優(yōu)化和提升后續(xù)的處理時間。依托 NVIDIA DGX Station A100，使用 MotiionCorr2 和 GCTF 軟件對圖像進行處理，極大的縮短了后續(xù)的處理時間。同時使用 RELION 軟件進行二維和三維分類的時候， GPU 加速大大提高了數(shù)據(jù)的處理時間。目前 200 萬左右的顆粒進行二維分類，每一輪次可以縮短到 20-40 分鐘左右，半天的時間就可以跑完一次理想的二維分類。樣品質(zhì)量好的話，借助于 GPU 加速， 2000 張照片的整體處理時間可以縮短到 4-7 天左右，給后續(xù)的冷凍電鏡的數(shù)據(jù)處理帶來了質(zhì)的變化。

GPU 加速計算

超強助力單顆粒冷凍電鏡研究

借助于 NVIDIA DGX Station A100，該實驗室極大地提升了單顆粒冷凍電鏡的數(shù)據(jù)處理時間，優(yōu)化了數(shù)據(jù)處理流程，為推動相關(guān)科研成果提供了良好的計算平臺支持。

“在使用 NVIDIA DGX Station A100 過程中， GPU 的并行計算能力能夠很好的對圖像進行預處理，打破了冷凍計算過程中的時間過長的壁壘，大大減少了投入成本。能夠快速的在一周左右的時間內(nèi)完成從收數(shù)據(jù)到解析結(jié)構(gòu)的過程，使科研工作者能夠更快的投入到后續(xù)的結(jié)構(gòu)分析過程中，特別是在冷凍電鏡以及結(jié)構(gòu)生物學高速發(fā)展的今天，使用高性能的 NVIDIA GPU 服務器，能夠更好的搶占先機，縮短相應的科研攻關(guān)時間，為國內(nèi)基礎科研的快速發(fā)展提供了更好的平臺。”清華大學生命學院楊茂君教授表示。

本案例中， NVIDIA 優(yōu)選級合作伙伴北京安聯(lián)通助力清華大學楊茂君實驗室部署了高效 AI 計算處理平臺，同時把原有的網(wǎng)絡傳輸設備改換成全新的 NVIDIA 網(wǎng)絡產(chǎn)品，大大提高了實驗室設備的傳輸速度。