CPU|MICGPU|FPGA|超算|Meta-data|

生物醫學大數據：

收集數據後對數據的分析，如同看相，而對數據信息的挖掘能夠看做是算命。這兩個過程是基於算法和軟件這類工具之上的。

在存儲方面：在硬件上，爲了Parallel computing的目的，剛開始選擇的處理器是multiple core，以後選擇many integrated core architecture（MIC：英特爾® 集成衆核架構（英特爾® MIC 架構）產品爲開發人員提供了一個關鍵優點：它們基於標準的現有編程工具和方法運行），以後選擇GPU（大內存），以後是FPGA（電場可編程邏輯閘陣列，它是在PAL、GAL、CPLD等可編程邏輯器件的基礎上進一步發展的產物。它是做爲專用集成電路領域中的一種半定製電路而出現的，既解決了全定製電路的不足，又克服了原有可編程邏輯器件門電路數有限的缺點。可是就生物信息學領域只能跑GATK），現在又有了超級計算機。

 

 

 

 

 

 

 

No free lunch：由CPU到超算，靈活性降低可是專有性上升，同時存在的問題是費用變高。現現在的生物信息學分析，正在使用更爲專有性的硬件，也更加費錢。

所以，面臨Massive data和因爲data transfer形成的cost，能夠有如下基於軟件的應對方法：

1.儘量傳輸壓縮包

2.decouple：將原始數據分析拆解，選擇有須要的類型，會減小數據量

3.使用dataset保存分析結果：由於生物數據的特色是a.快速增加b.異構c.一次讀屢次寫,因此以數據特徵做爲研究對象更爲重要，將這些數據特徵存入數據庫更能夠方便查找。

4.去冗餘：將原始數據中重複部分去掉。

 

對於Data的處理過程當中，須要注意：

1.要對數據進行Analysis，mining（便是prediction），visual。其中，Data mining這個過程是：首先先可以創建scientific model，這個model是一種grey box，它有別於white box或者black box。white box是研究現象的本質，black box是由現象1指向現象2，它們其中是沒有過程的，即不知道爲何；而grey box是經過statistical定量獲得的，是利用統計學將不肯定是否發生的機率數據化，將預測變成能夠度量的數字。由於統計學是將現象1和現象2用數學公式聯繫在一塊兒，其中數公式反應的是二者的關聯強度，並對這個關聯強度定量，因此人們利用這個定量值make decision，這個decision能夠是斷定這些原始數據與某patterns關聯很大（或反應了某pattern），據此有一個結論，就是「是or不是某pattern」，根據這個結論，科學家能夠找到new knowledge。

2.明白Meta-data（元數據，又稱詮釋數據、中介數據、中繼數據、後設數據等，爲描述其餘數據信息的數據。）與raw-data之間的關係，由於生物信息學數據有一次讀屢次寫（或者屢次分析）的特色，因此應該分離讀寫。

3.同時面臨愈來愈多的數據必需要擴大內存。