PowerEdge: Impulso do sequenciamento de genoma com o FAGP (Falcon Accelerated Genomics Pipeline) na PAC Intel FPGA

O Falcon Accelerated Genomics Pipeline com uma única placa de aceleração programável Intel FPGA pode processar 50x genomas humanos inteiros em menos de 3 horas por meio do Alternative Variant Calling Pipeline. 

 

Visão geral, Desafio de mercado (necessidade), a solução Falcon responde à necessidade:

A medicina de precisão, a genômica e a epigenética estão usando o sequenciamento genômico para realizar pesquisas, melhorar o diagnóstico, desenvolver produtos farmacêuticos, aumentar a qualidade do atendimento para os profissionais de saúde e otimizar a produção agrícola. Para as ciências da vida, a análise genômica é agora uma aplicação chave, em parte devido à grande redução de custos da coleta de dados dos avanços no sequenciamento de próxima geração (NGS). Além do aumento da coleta de dados, também houve um crescimento significativo na gama de aplicações genômicas usadas em universidades, centros de pesquisa genômica, empresas farmacêuticas e organizações de saúde. 
A cada sete meses, a quantidade de dados genômicos está dobrando (1). O processamento de dados de forma eficiente e econômica tornou-se fundamental. O poder computacional das soluções somente do processador não está se dimensionando rápido o suficiente para acompanhar o crescimento de dados genômicos. Isso levou à necessidade de aceleração de hardware. Aceleradores como os FPGAs estão se tornando fundamentais para atender às demandas computacionais dessa explosão de dados genômicos. Em comparação com outras soluções aceleradas por hardware, o Falcon Accelerated Genomics Pipeline (FAGP) oferece flexibilidade, alto throughput e um custo mais baixo por amostra.
 

O que é FPGA, oferta e vantagem do Intel PAC:

Os FPGAs são dispositivos de silício que podem ser reprogramados dinamicamente com um caminho de dados que corresponde exatamente às suas cargas de trabalho, como sequenciamento genômico, Data Analytics ou compactação, conforme ilustrado na Figura 1. Essa versatilidade permite o provisionamento de processamento mais rápido, computação mais eficiente no consumo de energia e serviço de menor latência, reduzindo seu custo total de propriedade e maximizando a capacidade de computação dentro das restrições de energia, espaço e resfriamento de seus data centers. 
Tradicionalmente, os FPGAs exigem profundo conhecimento de domínio para programar. Para simplificar o fluxo de desenvolvimento e permitir a implementação rápida em todo o data center, a Intel oferece uma plataforma de aceleração que inclui placas de aceleração programáveis Intel FPGA baseadas em PCI Express* (PCIe*) (Intel FPGA PAC) e a pilha de aceleração Intel® para CPU Intel Xeon® com FPGAs. Essas plataformas Intel são qualificadas, validadas e implementadas pela Dell EMC. Juntamente com parceiros de ecossistema como a Falcon Computing, a plataforma de aceleração da Intel oferece uma solução confiável e pronta para uso com hardware transparente sob o capô.


Figura 1: Precisão e velocidade aprimoradas no pipeline GATK padrão
 

Detalhes da solução Falcon:

O Genome Analysis Toolkit (GATK) é o padrão-ouro para processamento de dados genômicos aceito pela comunidade genômica (2). Seu Best Practice Workflow (BPW) é bem conhecido por sua lentidão na computação para gerar resultados para grandes amostras, como o Genoma Completo (WGS). Para resolver essa questão, a Falcon Computing Solutions desenvolveu um pacote de software flexível de ferramentas que segue o BPW e pode ser implementado em múltiplas plataformas e arquiteturas. Ele é rápido em várias ordens de magnitude quando comparado aos pipelines GATK baseados em CPU.
O FAGP fornece uma solução de ponta a ponta para analisar dados genômicos de forma econômica usando o pipeline GATK com alto desempenho, precisão e reprodutibilidade. A solução oferece até 15x de aceleração com a mesma precisão do GATK (3). Isso significa que uma análise que normalmente leva de 50 a 60 horas pode ser realizada em menos de 4 horas (3). O FAGP oferece níveis excepcionais de aceleração e precisão com FPGAs Intel Arria 10 confiáveis e de alto desempenho e processadores Intel® Xeon®. 
A FAGP segue o GATK BPW. Ele implementa aceleração em muitos componentes dos pipelines desde o alinhamento (BWA) até a chamada de variantes (HaplotypeCaller) (4). Além do BWA acelerado, ele também inclui uma versão acelerada do alinhador Minimap2 que faz parte do Alternate Genomic Pipeline da Falcon (5). O pipeline alternativo oferece uma solução ainda mais rápida. Ele pode completar 50x o sequenciamento do genoma completo em 3 horas. Ambos os alinhadores têm o recurso de gerar duplicatas marcadas e leituras classificadas sem a necessidade de usar ferramentas adicionais. 
O FAGP alcança alto desempenho/throughput acelerando a computação intensiva no pipeline do GATK usando plataformas Intel FPGA PAC. Isso é diferente das soluções de scale-out que alcançam alto throughput adicionando mais recursos da CPU. Essas soluções de scale-out têm capacidade limitada de reduzir custos ou latência por amostra.
Outra vantagem da solução Falcon é que ela é um pipeline aberto como o GATK. Os usuários podem controlar etapas individuais nos pipelines. Os dados intermediários são salvos e podem ser acessados.


Tabela 1: Vantagens do pipeline de genômica acelerada Falcon
 

Avaliação de desempenho

Em nossos testes de referência de desempenho, usamos dados de sequenciamento do genoma humano completo a uma profundidade de cobertura de 10x, 30x e 50x.


Tabela 3: Dados testados de sequenciamento do genoma completo
 

Resultados:

A Tabela 4 resume o tempo necessário para concluir o pipeline de práticas recomendadas do GATK 4.0 em três ciclos de teste usando FAGP e o Intel FPGA PAC alojados no servidor DELL EMC PowerEdge R740xd.


Tabela 4: Total de tempos de execução do Best Practice Pipeline versão 2.1.1

A Tabela 5 resume o tempo (em minutos) necessário para concluir o pipeline alternativo: Falcon Germline em três ciclos de teste usando FAGP e o Intel FPGA PAC alojado no servidor DELL EMC PowerEdge R740xd.


Tabela 5: Total de tempos de execução do pipeline alternativo de chamada de variantes

Resumo da Falcon Genomic Solution

O pipeline de genômica acelerada da Falcon oferece alto throughput e baixo custo/amostra/benefício diário. Juntamente com a placa de aceleração programável Intel FPGA e o servidor DELL certificado, o FAGP fornece uma solução completa que pode ser adotada para seus aplicativos de sequenciamento genômico."
Na TCGB, prestamos serviços de sequenciamento genômico para nossos clientes em todo o país. O Falcon Accelerated Genomics Pipeline* nos permitiu reduzir nosso prazo de entrega de dias para algumas horas, mantendo a precisão dos pipelines GATK padrão da indústria."
— Dr. Xinmin Li, Diretor do Centro de Tecnologia para Genômica e Bioinformática (TCGB) UCLA

Recursos 

1. O sequenciamento do genoma cria tantos dados que não sabemos o que fazer com eles. [Online] https://www.washingtonpost.com/news/speaking-of-science/wp/2015/07/07/sequencing-the-genome-creates-so-much-data-we-don't-know-what-to-do-with-it.
2. GATK [Online] https://software.broadinstitute.org/gatk/
3. Genômica acelerada [Online] http://www.falconcomputing.com/falcon-accelerated-genomics-pipeline
4. BWA. [On-line]
http://bio-bwa.sourceforge.net/bwa.shtml5. Minimapa2. [On-line] https://github.com/lh3/minimap2