生命科學(xué) | 藥物研發(fā) | 冷凍電鏡

靶點(diǎn)發(fā)現(xiàn) | 序列比對(duì) | 晶體預(yù)測(cè)

隨著高性能計(jì)算、數(shù)據(jù)挖掘、數(shù)據(jù)分析、深度學(xué)習(xí)、冷凍電鏡、靶點(diǎn)發(fā)現(xiàn)、晶體預(yù)測(cè)等技術(shù)的快速發(fā)展，生命科學(xué)領(lǐng)域的醫(yī)藥研發(fā)、AI預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)、基因測(cè)序、小分子研究、疫苗研發(fā)得到快速發(fā)展。

2022年生命科學(xué)領(lǐng)域趨勢(shì)

2022年生命科學(xué)行業(yè)的趨勢(shì)主要分成三個(gè)層面，國(guó)家政策、資本市場(chǎng)和產(chǎn)業(yè)格局。

國(guó)家政策

藥品、高值醫(yī)用耗材集中帶量采購(gòu)進(jìn)入常態(tài)化、制度化新的階段；DRG/DIP的支付方式改革加快落地；國(guó)家積極引導(dǎo)應(yīng)對(duì)人口老齡化國(guó)家戰(zhàn)略。

2018-2022年國(guó)家層面生物科學(xué)行業(yè)政策及重點(diǎn)內(nèi)容解讀

資本市場(chǎng)

二級(jí)市場(chǎng)開(kāi)始回歸理性，重新構(gòu)建估值體系有利于行業(yè)的良性發(fā)展；投資人更加偏好早期階段，高潛力的初創(chuàng)企業(yè)更容易受到資本的青睞；美元投資人從初期的主力參與到目前的持幣觀望，人民幣資本這兩年強(qiáng)勢(shì)崛起。

生物醫(yī)藥行業(yè)發(fā)展趨勢(shì)

產(chǎn)業(yè)格局

綜上所述，國(guó)家政策和資本市場(chǎng)帶動(dòng)了產(chǎn)業(yè)格局的變化。在產(chǎn)業(yè)格局方面，新生代健康產(chǎn)業(yè)公司進(jìn)入商業(yè)化階段；數(shù)字化和智能化正在深刻影響產(chǎn)業(yè)的發(fā)展。

近年來(lái)人工智能與各種數(shù)字化工具，已逐步滲透到健康產(chǎn)業(yè)的方方面面。在多個(gè)領(lǐng)域初步展現(xiàn)出突破瓶頸和降本增效的巨大潛力。

隨著數(shù)字化和智能化對(duì)整個(gè)健康產(chǎn)業(yè)賦能的不斷拓展與提升，整個(gè)健康產(chǎn)業(yè)中，很多傳統(tǒng)的技術(shù)和商業(yè)模式，都面臨著重構(gòu)的可能。

在AI賦能新藥研發(fā)方面，隨著深度學(xué)習(xí)能力和人工智能技術(shù)的快速發(fā)展，以及算力的大幅提升，AI在新藥研發(fā)方面正在取得長(zhǎng)足的進(jìn)步，并展示出令人驚嘆的潛力。

中國(guó)生物醫(yī)藥行業(yè)細(xì)分領(lǐng)域競(jìng)爭(zhēng)情況

以蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)為例，DeepMind公司的AlphaFold2已經(jīng)預(yù)測(cè)出超過(guò)35萬(wàn)種蛋白質(zhì)結(jié)構(gòu)，涵蓋了98.5%的人類蛋白質(zhì)組以及20種生物的蛋白質(zhì)結(jié)構(gòu)。

全球TOP20跨國(guó)藥企均在Al領(lǐng)域有大量布局，包括諾華、輝瑞、GSK、阿斯利康、賽諾菲、復(fù)星醫(yī)藥在內(nèi)的大批國(guó)內(nèi)外企業(yè)紛紛試水AI新藥研發(fā)，期待跨越式提升新藥研發(fā)的效率。與此同時(shí)，包括藍(lán)海大腦也在這個(gè)領(lǐng)域加速布局。

數(shù)字化診斷對(duì)傳統(tǒng)診斷加速賦能，數(shù)字療法成為傳統(tǒng)治療技術(shù)方案強(qiáng)有力的補(bǔ)充。

手術(shù)機(jī)器人在臨床手術(shù)端，得到更加廣泛的應(yīng)用，傳統(tǒng)醫(yī)院正在經(jīng)歷越來(lái)越徹底的數(shù)字化改造。醫(yī)療與消費(fèi)正在更加緊密地走向融合的整體趨勢(shì)。

截止2022年6月中國(guó)生物醫(yī)藥行業(yè)

企業(yè)數(shù)量區(qū)域分布（單位：家）

2021年中國(guó)生命科學(xué)

2021年，在中國(guó)生命科學(xué)領(lǐng)域內(nèi)的大量數(shù)據(jù)顯示，中國(guó)健康產(chǎn)業(yè)規(guī)模達(dá)到10萬(wàn)億元。我國(guó)60歲及以上人口已達(dá)2.7億。2021年健康領(lǐng)域投資為2522.8億元。

1000000億元。中國(guó)健康產(chǎn)業(yè)規(guī)模持續(xù)增長(zhǎng)。隨著中國(guó)人口的進(jìn)一步老齡化，以及政府和公眾對(duì)健康的重視和投入的不斷提高，據(jù)健康產(chǎn)業(yè)白皮書統(tǒng)計(jì)，2021年中國(guó)健康產(chǎn)業(yè)規(guī)模達(dá)到10萬(wàn)億元。

其中，與藥品相關(guān)的市場(chǎng)模型約為2.9萬(wàn)億元，醫(yī)療器械和診斷的市場(chǎng)規(guī)模約為1萬(wàn)億元，醫(yī)療服務(wù)、數(shù)字醫(yī)療和一般健康的市場(chǎng)規(guī)模約為6.1萬(wàn)億元。

2.7億人口。2021年，我國(guó)60歲及以上人口已達(dá)2.7億，占總?cè)丝诘?8.9%，比2020年增長(zhǎng)0.2%；60歲及以上人口超過(guò)2億，占中國(guó)總?cè)丝诘?4.2%，比2020年上升0.7%，中國(guó)人口老齡化進(jìn)一步加劇。

人口老齡化加劇。根據(jù)國(guó)家統(tǒng)計(jì)局發(fā)布的《中華人民共和國(guó)2021年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》數(shù)據(jù)。2021年，我國(guó)人口自然增長(zhǎng)率僅為0.34%，比2020年下降1.11%。因此，中國(guó)社會(huì)人口結(jié)構(gòu)的老齡化仍然是中國(guó)健康產(chǎn)業(yè)最重要的核心底層驅(qū)動(dòng)力之一。

2522.8億元。據(jù)統(tǒng)計(jì)，2020年中國(guó)健康領(lǐng)域融資額為2236.5億元，2021年為2522.8億元，同比增長(zhǎng)12.8%。中國(guó)健康產(chǎn)業(yè)在資本市場(chǎng)趨于健康發(fā)展，估值體系發(fā)生變化，整體投資趨于理性。

2020年，中國(guó)大健康領(lǐng)域?qū)⒂?538個(gè)融資項(xiàng)目。2021年為1831輛，同比增長(zhǎng)19.05%。A股市場(chǎng)2021年科技創(chuàng)新板健康醫(yī)療公司IPO數(shù)量為37家，上半年24家，下半年13家。在港股市場(chǎng)，2021年健康行業(yè)上市公司有34家?？傮w來(lái)看，在資本市場(chǎng)上，健康產(chǎn)業(yè)呈現(xiàn)穩(wěn)步增長(zhǎng)。

生物醫(yī)藥行業(yè)產(chǎn)業(yè)鏈生態(tài)圖譜

高性能計(jì)算研究下

生命科學(xué)領(lǐng)域

生命科學(xué)行業(yè)發(fā)展至今，早已離不開(kāi)高性能計(jì)算的輔助，從計(jì)算機(jī)輔助藥物設(shè)計(jì)、疫苗研發(fā),到通過(guò)基因檢測(cè)提供精準(zhǔn)醫(yī)療服務(wù)、產(chǎn)前篩查等，高性能計(jì)算HPC在生命科學(xué)研究中扮演著十分重要的角色。

生物信息學(xué)是在生命科學(xué)的研究中，以計(jì)算機(jī)為工具對(duì)生物信息進(jìn)行儲(chǔ)存、檢索和分析的科學(xué)。它是當(dāng)今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一，同時(shí)也將是21世紀(jì)自然科學(xué)的核心領(lǐng)域之一。其研究重點(diǎn)主要體現(xiàn)在基因組學(xué)（Genomics）和蛋白質(zhì)組學(xué)（Proteomics）兩方面，具體說(shuō)就是從核酸和蛋白質(zhì)序列出發(fā)，分析序列中表達(dá)的結(jié)構(gòu)功能的生物信息。生物信息學(xué)在短短十幾年間，已經(jīng)形成了多個(gè)研究方向，其中與高性能計(jì)算相關(guān)的主要研究重點(diǎn)如下。

序列比對(duì)

序列比對(duì)（Sequence Alignment）的基本問(wèn)題是比較兩個(gè)或兩個(gè)以上符號(hào)序列的相似性或不相似性。從生物學(xué)的初衷來(lái)看，這一問(wèn)題包含了以下幾個(gè)意義：從相互重疊的序列片斷中重構(gòu)DNA的完整序列。在各種試驗(yàn)條件下從探測(cè)數(shù)據(jù)（probe data）中決定物理和基因圖存貯，遍歷和比較數(shù)據(jù)庫(kù)中的DNA序列，比較兩個(gè)或多個(gè)序列的相似性，在數(shù)據(jù)庫(kù)中搜索相關(guān)序列和子序列，尋找核苷酸（nucleotides）的連續(xù)產(chǎn)生模式，找出蛋白質(zhì)和DNA序列中的信息成分。在序列對(duì)比的過(guò)程中將會(huì)產(chǎn)生巨量的數(shù)據(jù)，這對(duì)我們的存儲(chǔ)系統(tǒng)帶來(lái)了較大規(guī)模的挑戰(zhàn)。

現(xiàn)在用于存儲(chǔ)的硬盤容量每14個(gè)月會(huì)有一倍的增長(zhǎng)，而基因序列的數(shù)據(jù)量則每5月左右會(huì)翻一番，例如：CeleraGenomics 和Sanger Centre 等主要基因研究機(jī)構(gòu)都在管理數(shù)以萬(wàn)億字節(jié)計(jì)的數(shù)據(jù)，其數(shù)據(jù)庫(kù)信息量超過(guò)了人類開(kāi)展生物學(xué)研究以來(lái)積累的數(shù)據(jù)量。

序列拼接

序列拼接是將測(cè)序生成的reads短片段拼接起來(lái)，恢復(fù)出原始的序列。該問(wèn)題是序列分析的基本任務(wù)，是基因組研究成功與失敗的關(guān)鍵，拼接結(jié)果直接影響到序列標(biāo)注，基因預(yù)測(cè)、基因組比較等后續(xù)任務(wù)?；蚪M序列的拼接也是基因組研究必須解決的首要難題。其困難不僅來(lái)自它的海量數(shù)據(jù)(以人類基因組序列為例，從數(shù)量為10兆級(jí)的片斷恢復(fù)出長(zhǎng)度為億級(jí)的原始序列)，而且源于它含有高度重復(fù)的序列。

從計(jì)算機(jī)方面來(lái)講，在拼接初期，會(huì)有大量的初始數(shù)據(jù)導(dǎo)入內(nèi)存，然后對(duì)這些數(shù)據(jù)進(jìn)行處理。因此，序列拼接對(duì)于計(jì)算機(jī)的內(nèi)存量和計(jì)算能力都有非常大的需求。

基于結(jié)構(gòu)的藥物設(shè)計(jì)

人類基因工程的目的之一是要了解人體內(nèi)約10萬(wàn)種蛋白質(zhì)的結(jié)構(gòu)功能，相互作用以及與各種人類疾病之間的關(guān)系，尋求各種治療和預(yù)防方法，包括藥物治療。基于生物大分子結(jié)構(gòu)及小分子結(jié)構(gòu)的藥物設(shè)計(jì)是生物信息學(xué)中的極為重要的研究領(lǐng)域。為了抑制某些酶或蛋白質(zhì)的活性，在已知其蛋白質(zhì)3級(jí)結(jié)構(gòu)的基礎(chǔ)上，可以利用分子對(duì)齊算法，在計(jì)算機(jī)上設(shè)計(jì)抑制劑分子，作為候選藥物。然后在數(shù)據(jù)庫(kù)中進(jìn)行對(duì)比并且得到優(yōu)勢(shì)結(jié)構(gòu)，選擇使用分子模擬的方法實(shí)現(xiàn)藥物分子的設(shè)計(jì)。

分子動(dòng)力學(xué)

主要是浮點(diǎn)計(jì)算為主 ，非常適合大規(guī)模并行，但是對(duì)網(wǎng)絡(luò)需求比較大，節(jié)點(diǎn)間需要使用低延時(shí)，高帶寬的Infiniband高速網(wǎng)。

測(cè)序儀離線處理

相比計(jì)算量，存儲(chǔ)容量需求更大；作業(yè)運(yùn)行需要與作業(yè)調(diào)度系統(tǒng)結(jié)合；測(cè)序離線處理往往有序列拼接的需求,目前最主流的序列拼接軟件denovo為多線程程序,單節(jié)點(diǎn)內(nèi)存容量需求非常大,往往需要達(dá)到256G甚至512GB,需要配置大容量?jī)?nèi)存SMP胖節(jié)點(diǎn)。

電子顯微鏡圖像處理

主要為浮點(diǎn)計(jì)算，其中大量的單精度FFT計(jì)算；軟件加速比完全線性，對(duì)網(wǎng)絡(luò)依賴低；軟件內(nèi)存需求和IO需求較大，一般需要配置并行文件系統(tǒng)；系統(tǒng)計(jì)算量大，計(jì)算時(shí)間長(zhǎng)，系統(tǒng)穩(wěn)定性，可靠性要求高。

質(zhì)譜儀原始資料處理

軟件加速比接近線性，對(duì)網(wǎng)絡(luò)依賴低；系統(tǒng)計(jì)算量大，計(jì)算時(shí)間長(zhǎng)，系統(tǒng)穩(wěn)定性，可靠性要求高。

藍(lán)海大腦高性能服務(wù)器

助力生命科學(xué)領(lǐng)域發(fā)展

方案介紹

藍(lán)海大腦高性能計(jì)算推出多樣化的架構(gòu)滿足不同計(jì)算需求，利用革新型的存儲(chǔ)和內(nèi)存技術(shù)和領(lǐng)先的軟件工具，建立廣泛的生態(tài)系統(tǒng)，快速處理增長(zhǎng)的大型復(fù)雜數(shù)據(jù)集，升級(jí)系統(tǒng)可用性以獲得更高吞吐率，確保高性能計(jì)算（HPC）應(yīng)用性能最優(yōu)化。

生命科學(xué)的性能挑戰(zhàn)

藍(lán)海大腦憑借多年在生命科學(xué)生物基因分析領(lǐng)域積累的經(jīng)驗(yàn)，通過(guò)橫向擴(kuò)展（scale-out）存儲(chǔ)系統(tǒng)、IB低延遲網(wǎng)絡(luò)、私有客戶端技術(shù)小文件聚合及使用自研PCI－E極速存儲(chǔ)等異構(gòu)介質(zhì)構(gòu)建冷熱數(shù)據(jù)分層等，滿足生物基因應(yīng)用中對(duì)海量數(shù)據(jù)存儲(chǔ)場(chǎng)景高可靠性、高性能低延遲和低能耗的存儲(chǔ)需求。

方案特點(diǎn)

客戶收益

生物基因分析研究產(chǎn)生的數(shù)據(jù)以每年10倍的速度快速增長(zhǎng)，藍(lán)海分布式存儲(chǔ)通過(guò)卓越的系統(tǒng)架構(gòu)，在為用戶提供海量的存儲(chǔ)空間。通過(guò)大比例糾刪功能，大幅提升容量利用率，為客戶提供更低的TCO。

DNA基因分析分布式存儲(chǔ)通過(guò)小文件聚合、對(duì)象聚合、全局緩存、多通道、硬件加速等技術(shù)，為客戶提供創(chuàng)新的性能加速方案，全面提升存儲(chǔ)系統(tǒng)性能。

生物基因分析的數(shù)據(jù)具有極高的價(jià)值，藍(lán)海大腦分布式存儲(chǔ)通過(guò)業(yè)界領(lǐng)先的冗余設(shè)計(jì)，為用戶提供強(qiáng)大的數(shù)據(jù)保護(hù)能力和系統(tǒng)可用性數(shù)據(jù)可用性高達(dá)99.9999%。

節(jié)點(diǎn)級(jí)和硬盤級(jí)均衡，磁盤間容量誤差率不超5%，節(jié)點(diǎn)間誤差不超1%，可用容量利用率高達(dá)95%。同時(shí)高密度存儲(chǔ)節(jié)點(diǎn)滿足客戶存儲(chǔ)空間和能耗要求。

支持豐富的主機(jī)連接接口，支持 10/25/40Gb iSCSI、56/100 In?niBand主機(jī)連接，無(wú)縫接入用戶現(xiàn)有環(huán)境，滿足客戶對(duì)高帶寬及高性能計(jì)算的差異化需求，支持后端10GE 組網(wǎng)下的RDMA模式傳輸，支持TOE 卸載，提高系統(tǒng)性能。

節(jié)點(diǎn)并行處理數(shù)據(jù) IO、保障系統(tǒng)整體負(fù)載均衡，數(shù)據(jù)分散存儲(chǔ)，避免單節(jié)點(diǎn)故障帶來(lái)的風(fēng)險(xiǎn)，節(jié)點(diǎn)在線橫向擴(kuò)展，滿足持續(xù)增長(zhǎng)的容量和性能需求。

架構(gòu)的優(yōu)化設(shè)計(jì)，在文件場(chǎng)景下單一目錄可支持1000萬(wàn)文件，文件系統(tǒng)支持千億級(jí)文件，單一命名空間支持20PB；支持5120節(jié)點(diǎn)擴(kuò)展單集群可提供EB級(jí)容量空間。

審核編輯 黃昊宇