人體由近 40 萬(wàn)億個(gè)細(xì)胞組成，有許多不同類(lèi)型。實(shí)驗(yàn)生物學(xué)的最新進(jìn)展使探索單個(gè)細(xì)胞的遺傳物質(zhì)成為可能。隨著單細(xì)胞基因組學(xué)這一新領(lǐng)域的誕生，科學(xué)家們現(xiàn)在可以探測(cè)人體內(nèi)單個(gè)細(xì)胞的 DNA 和 RNA 。

單細(xì)胞基因組分析已經(jīng)確定了人體內(nèi)的新型細(xì)胞，發(fā)現(xiàn)了是什么使這些細(xì)胞彼此不同，以及不同類(lèi)型的細(xì)胞如何對(duì)疾病或藥物作出反應(yīng)。單細(xì)胞基因組學(xué)也被證明是當(dāng)前 COVID-19 大流行的關(guān)鍵，它可以識(shí)別易受感染的細(xì)胞并揭示感染患者免疫系統(tǒng)的變化。

圖 1 。單細(xì)胞 RNA 測(cè)序?qū)嶒?yàn)的工作流程。分離單個(gè)細(xì)胞并測(cè)量每個(gè)細(xì)胞的基因活性。具有相似基因活性的細(xì)胞聚集在一起以識(shí)別群體中的各種類(lèi)型的細(xì)胞。

隨著最近的實(shí)驗(yàn)對(duì)數(shù)百萬(wàn)個(gè)細(xì)胞進(jìn)行測(cè)序，單細(xì)胞數(shù)據(jù)的可用性和數(shù)據(jù)集的大小也在不斷增加。這種分析通常是探索性的，并從互動(dòng)中得到進(jìn)一步的好處——在更精細(xì)的尺度上識(shí)別不同類(lèi)型的細(xì)胞，比較細(xì)胞類(lèi)型并可視化它們之間的關(guān)系。當(dāng)前的工作流仍然非常緩慢，這使得它們對(duì)于研究所需的交互分析來(lái)說(shuō)是不可能的。

RAPIDS ：用 GPUs 加速數(shù)據(jù)科學(xué)

RAPIDS 是一套開(kāi)源庫(kù)，通過(guò) GPU 加速的力量，可以加速端到端的數(shù)據(jù)科學(xué)工作流程。 RAPIDS 使得使用類(lèi)似于 NumPy 、 pandas 和 scikit learn 的 Python api 對(duì)大型數(shù)據(jù)集執(zhí)行交互式數(shù)據(jù)分析成為可能。

考慮執(zhí)行單單元分析的典型工作流。這從一個(gè)矩陣開(kāi)始，這個(gè)矩陣映射每個(gè)細(xì)胞中遇到的每個(gè)基因的數(shù)量。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，濾除噪聲，然后對(duì)數(shù)據(jù)進(jìn)行歸一化處理，得到每個(gè)細(xì)胞中每個(gè)人類(lèi)基因的活性。在這一步中，機(jī)器學(xué)習(xí)也常用于糾正數(shù)據(jù)收集中的工件。接下來(lái)，在聚類(lèi)和可視化之前執(zhí)行維數(shù)縮減，以識(shí)別具有相似遺傳活動(dòng)的細(xì)胞簇。最后，你比較這些細(xì)胞群的遺傳活動(dòng)，以了解為什么不同類(lèi)型的細(xì)胞表現(xiàn)和反應(yīng)不同。

圖 2 ：顯示單細(xì)胞 RNA 測(cè)序數(shù)據(jù)分析步驟的管道。從每個(gè)細(xì)胞的基因活性矩陣開(kāi)始， RAPIDS 庫(kù)可以用于進(jìn)行數(shù)據(jù)處理、降維、聚類(lèi)和可視化，并在不同的簇間發(fā)現(xiàn)不同活性的差異基因。

我們?cè)?clara-parabricks/rapids-single-cell-examples GitHub repo 中發(fā)布了這個(gè)精確工作流的 GPU – 加速版本。 repo 包含一個(gè)示例 notebook ，它使用 RAPIDS 和 Scanpy 分析 70000 個(gè)人體肺細(xì)胞的數(shù)據(jù)集，以識(shí)別對(duì) COVID-19 敏感的細(xì)胞。 Scanpy 是一個(gè)用于分析單細(xì)胞基因表達(dá)數(shù)據(jù)的工具包，提供了使用 RAPIDS 加速特定命令的選項(xiàng)。我們?cè)诨刭?gòu)中也有一個(gè)筆記本的 CPU 版本 以供比較。

例如，運(yùn)行 UMAP 以使用 RAPIDS 可視化近 70000 個(gè)單元格需要以下命令：

sc.tl.umap(adata, min_dist=umap_min_dist, spread=umap_spread, method='rapids')

圖 3 。由 RAPIDS 創(chuàng)建的人肺樣本中約 70000 個(gè)細(xì)胞的 UMAP 可視化。細(xì)胞被洛文聚類(lèi)標(biāo)記。

使用 RAPIDS 生成這個(gè) UMAP 可視化需要 1 秒，而在 CPU 上則需要 80 秒。事實(shí)上， RAPIDS 可以加速整個(gè)單單元分析工作流程，甚至可以在大型數(shù)據(jù)集上進(jìn)行交互式探索性數(shù)據(jù)分析。

在 11 分鐘內(nèi)分析一百萬(wàn)個(gè)細(xì)胞

我們將我們的 RAPIDS 分析工作流程應(yīng)用于現(xiàn)有最大的單細(xì)胞數(shù)據(jù)集之一， 100 萬(wàn)個(gè)小鼠腦細(xì)胞通過(guò) 10 倍基因組學(xué)測(cè)序。有關(guān)詳細(xì)信息，請(qǐng)參閱 1M_brain_gpu_analysis_uvm.ipynb Jupyter 筆記本。

有了如此大的數(shù)據(jù)量，對(duì) CPU 的分析變得不切實(shí)際地慢了下來(lái)；我們的端到端工作流在 awsm5a CPU 實(shí)例上運(yùn)行了 3 個(gè)多小時(shí)。這使得交互式分析幾乎不可能。另一方面，我們?cè)谶@個(gè)更大的數(shù)據(jù)集上觀察到了更高的 GPU 加速，并且能夠在一個(gè) GPU 上分析整個(gè)數(shù)據(jù)集。在 AWS 上運(yùn)行 RAPIDS 分析也比 CPU 版本便宜 3 倍！

用于交互式單細(xì)胞分析的 GPU 功能單元瀏覽器

如前所述， RAPIDS 的數(shù)據(jù)分析速度使研究人員能夠?qū)崟r(shí)交互式地分析數(shù)據(jù)。我們開(kāi)發(fā)了一個(gè)在 Jupyter 筆記本 中運(yùn)行的、支持 GPU 的交互式小區(qū)瀏覽器，使這一過(guò)程更加簡(jiǎn)單。在這個(gè)單元格瀏覽器中，您可以可視化數(shù)據(jù)集中的所有單元格，并通過(guò)點(diǎn)擊方法對(duì)數(shù)據(jù)執(zhí)行聚類(lèi)分析。使用 RAPIDS ，這些步驟可以實(shí)時(shí)運(yùn)行。

在這篇文章中，我將向您展示如何輕松地選擇一組細(xì)胞，并執(zhí)行 UMAP 和 Louvain 聚類(lèi)來(lái)識(shí)別這種細(xì)胞類(lèi)型中的子種群。

圖 4 通過(guò)在交互式單元格瀏覽器中使用 RAPIDS 指向并單擊實(shí)時(shí)重新聚類(lèi)選定的單元格組。

結(jié)論

在這篇文章中，您看到了使用 RAPIDS 加速 GPUs 上的單細(xì)胞基因組分析是多么容易。使用 RAPIDS ，可以方便地實(shí)時(shí)交互地探索數(shù)據(jù)，對(duì)不同尺度的單元進(jìn)行聚類(lèi)，以及對(duì)具有不同參數(shù)的大型數(shù)據(jù)集進(jìn)行重新分析。所有這些都有助于更快的科學(xué)發(fā)現(xiàn)。

除了涵蓋的 API 之外， RAPIDS 還有一個(gè)大型的其他算法庫(kù)，您會(huì)發(fā)現(xiàn)這些算法在您的工作中很有用。

關(guān)于作者

Avantika Lal 是 NVIDIA 基因組學(xué)團(tuán)隊(duì)的資深科學(xué)家。她開(kāi)發(fā)了使用 GPUs 和深入學(xué)習(xí)來(lái)加速和改進(jìn)人類(lèi)基因組分析的工具。在 NVIDIA 之前，她是斯坦福大學(xué)遺傳學(xué)和病理學(xué)系的博士后研究員。

審核編輯：郭婷