Cosa chiede ogni attività
L’allineamento (BWA, Bowtie2, STAR, minimap2) scala con i core e chiede decine di gigabyte di memoria per gli indici. La chiamata delle varianti (GATK, DeepVariant) mescola core e, in DeepVariant, GPU. L’assemblaggio de novo è il caso estremo: centinaia di gigabyte di memoria in una sola macchina. L’analisi single-cell (Seurat, Scanpy) vive in memoria. E il basecalling dei sequenziatori a nanopori e i modelli di struttura delle proteine girano sulla GPU.
Memoria: il componente che decide
Per allineamento e chiamata delle varianti nell’uomo, 64-128 GB. Per single-cell con centinaia di migliaia di cellule, 128-256 GB. Per l’assemblaggio de novo di genomi grandi o metagenomica, 512 GB o più, su una piattaforma a otto canali (Threadripper PRO) o dodici (EPYC). E sempre ECC: un errore di memoria in un assemblaggio di due giorni è un risultato sbagliato che nessuno rileva.
Core e GPU
Un Threadripper a 32 core allinea un genoma umano completo in una frazione del tempo di un desktop, e un Threadripper PRO a 64 o 96 core serve più pipeline insieme. La GPU entra con il basecalling a nanopori (CUDA, più memoria c’è meglio è), con DeepVariant e con i modelli di deep learning: una RTX 5090 o una RTX PRO 5000 da 48 GB per i modelli grandi.
Dischi: terabyte di FASTQ e risultati intermedi
Una corsa di sequenziamento sono centinaia di gigabyte di FASTQ e gli intermedi (BAM, VCF) occupano altrettanto. Un NVMe da 4 TB come disco di lavoro, un altro per il sistema, e dischi da 16 TB in mirror o un file server per archivio e backup. E rete 10 GbE se i dati arrivano dal sequenziatore o da un server.
| Lavoro | Workstation | Prezzo |
|---|---|---|
| Allineamento, varianti e single-cell | Advanced Plus: Threadripper a 32 core, 128 GB ECC registered, RTX 5080, 2 TB + 4 TB NVMe | 14.265 € |
| Più pipeline insieme, basecalling e modelli | Enterprise: Threadripper PRO a 32 core, 256 GB ECC su otto canali, RTX 5090, 2 × 4 TB NVMe + 16 TB | 30.435 € |
| Assemblaggio de novo e metagenomica | Enterprise Supreme: Threadripper PRO a 64 core, 512 GB ECC, 2 × RTX 5090, 3 × 4 TB NVMe + 16 TB | 57.400 € |
Linux, container e la macchina condivisa
Quasi tutto gira su Linux, con Conda, Docker o Singularity; consegniamo la macchina con la distribuzione che usate e i driver della GPU installati. Se il laboratorio condivide la macchina, un gestore di code semplice (Slurm su un nodo) evita che due pipeline si pestino la memoria. E se il carico cresce, lo stesso lavoro passa su un server EPYC in rack con più memoria e più core.
Hardware e guide correlati
Domande frequenti
Workstation o server per la genomica?
Se una o due persone lanciano le pipeline e vogliono vedere i risultati alla loro scrivania, una workstation. Se il laboratorio condivide il carico o gli assemblaggi durano giorni, un server EPYC in rack con più memoria e core, condiviso da tutti.
Quanta memoria per un assemblaggio de novo?
Dipende dal genoma e dall’assemblatore: da 128 GB per genomi piccoli a più di 512 GB per genomi grandi o metagenomi. Guarda il picco di memoria del tuo assemblatore con dati simili e raddoppialo.
Serve una GPU?
Per allineare e chiamare varianti con gli strumenti classici, no. Per basecalling a nanopori, DeepVariant, modelli di struttura delle proteine e deep learning, sì, con più memoria possibile.
Installate Linux e gli strumenti?
Sì. Consegniamo la macchina con la distribuzione Linux che usate, i driver della GPU, Conda o Docker e la GPU provata 24 ore a pieno carico. Le pipeline le installate voi o lo facciamo insieme.
Dimensioniamo la tua workstation?
Dicci quali programmi usi e la dimensione dei tuoi progetti. Ti proponiamo processore, memoria, GPU e dischi, con il prezzo, entro 12 ore lavorative.