CPU|MICGPU|FPGA|超算|Meta-data|

生物医学大数据：

收集数据后对数据的分析，如同看相，而对数据信息的挖掘能够看做是算命。这两个过程是基于算法和软件这类工具之上的。

在存储方面：在硬件上，为了Parallel computing的目的，刚开始选择的处理器是multiple core，以后选择many integrated core architecture（MIC：英特尔® 集成众核架构（英特尔® MIC 架构）产品为开发人员提供了一个关键优点：它们基于标准的现有编程工具和方法运行），以后选择GPU（大内存），以后是FPGA（电场可编程逻辑闸阵列，它是在PAL、GAL、CPLD等可编程逻辑器件的基础上进一步发展的产物。它是做为专用集成电路领域中的一种半定制电路而出现的，既解决了全定制电路的不足，又克服了原有可编程逻辑器件门电路数有限的缺点。可是就生物信息学领域只能跑GATK），现在又有了超级计算机。

 

 

 

 

 

 

 

No free lunch：由CPU到超算，灵活性降低可是专有性上升，同时存在的问题是费用变高。现现在的生物信息学分析，正在使用更为专有性的硬件，也更加费钱。

所以，面临Massive data和因为data transfer形成的cost，能够有如下基于软件的应对方法：

1.尽量传输压缩包

2.decouple：将原始数据分析拆解，选择有须要的类型，会减小数据量

3.使用dataset保存分析结果：由于生物数据的特色是a.快速增加b.异构c.一次读屡次写,因此以数据特征做为研究对象更为重要，将这些数据特征存入数据库更能够方便查找。

4.去冗余：将原始数据中重复部分去掉。

 

对于Data的处理过程当中，须要注意：

1.要对数据进行Analysis，mining（便是prediction），visual。其中，Data mining这个过程是：首先先可以创建scientific model，这个model是一种grey box，它有别于white box或者black box。white box是研究现象的本质，black box是由现象1指向现象2，它们其中是没有过程的，即不知道为何；而grey box是经过statistical定量获得的，是利用统计学将不肯定是否发生的几率数据化，将预测变成能够度量的数字。由于统计学是将现象1和现象2用数学公式联系在一块儿，其中数公式反应的是二者的关联强度，并对这个关联强度定量，因此人们利用这个定量值make decision，这个decision能够是断定这些原始数据与某patterns关联很大（或反应了某pattern），据此有一个结论，就是“是or不是某pattern”，根据这个结论，科学家能够找到new knowledge。

2.明白Meta-data（元数据，又称诠释数据、中介数据、中继数据、后设数据等，为描述其余数据信息的数据。）与raw-data之间的关系，由于生物信息学数据有一次读屡次写（或者屡次分析）的特色，因此应该分离读写。

3.同时面临愈来愈多的数据必需要扩大内存。