ショットガンメタゲノム解析用マシン | 研究開発者向け情報発信メディア TEGAKARI

血液循環系の研究に携わるお客様より、ショットガンメタゲノム解析をメインにしたバイオインフォマティクスを行うためのマシンをご相談いただきました。想定されている条件は以下のとおりです。

・CPU：コア数を重視する
・メモリ：将来増設の予定がある
・OS：Ubuntu 20.04
・その他：Bioconda3 プリインストール
・U-Netを用いたMRI画像解析を行う予定がある
・予算：150万円程度

ご連絡の内容を踏まえ、弊社からは下記の構成をご提案しました。

【主な仕様】

CPU	Xeon Gold 6326 (2.90GHz 16コア) x2
メモリ	128GB REG ECC
ストレージ1	1TB SSD S-ATA
ストレージ2	8TB HDD S-ATA
ビデオ	NVIDIA Geforce RTX4070Ti
ネットワーク	on board (1000Base-T x2)
筐体+電源	タワー型筐体 + 1200W
OS	Ubuntu 22.04
その他	CUDA Toolkit 11インストール Bioconda3インストール

ご予算内で、できるだけコア数が多くなる構成を検討しています。
64コア仕様で検討すると価格が大幅にUPしてご予算に収まらないため、合計56コアに抑えています。

メモリは将来の増設を考えた構成ですが、本来は全てのメモリスロットにモジュールを搭載することでメモリ帯域が最大になる仕様であり、ご提案の状態ではメモリ帯域が半減していますのでご注意ください。

GPUはAI学習などで利用できそうなGPUを1枚追加しています。
しかし、計算専用のGPUではないため、本格的に学習させる用途よりも入門クラスとして必要十分な製品とお考えください。

GPUを使った学習については、より上位の製品はGPU単体での価格が100万円以上であったり、複数枚搭載すると一般的な100V環境では利用できないといった課題があります。そのような点を考え、今回の用途・ご予算のバランスから、AI用として利用できるGPUを選定しています。
なお、画像系の学習をする際にはビデオカードのメモリ容量も重要になるため、ご予算が許す場合には、RTX A6000 48GBなどをご選択いただくのが良いかと存じます。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

■FAQ

・ショットガンメタゲノム解析とは
ショットガンメタゲノム解析とは、環境サンプルからDNAを取り出し、ランダムに分割して断片化し、それらをシーケンシングしてゲノム情報を得る手法。微生物の多様性を調べるためによく用いられ、未知微生物のゲノム情報を得ることができる。微生物の培養を行う必要がないため、非常に高速で、多様性が高い環境サンプルの解析に適する。

・U-Netとは
U-Netは、2次元の画像セグメンテーションにおいて高い性能を発揮する、ディープラーニングのアーキテクチャ。U-Netは、エンコーダー部分とデコーダー部分から構成され、畳み込み層を用いて画像の特徴を抽出し、エンコーダー部分で解像度を落とし、デコーダー部分で元の解像度に戻すことで、画像のセグメンテーションを行う。画像内のオブジェクトの位置や形状を正確に把握することができ、医療画像の自動解析などの分野で広く使われている。