（一）了解生物資訊學
生物資訊學（Bioinformatics）利用應用數學、資訊學、統計學和計算機科學的方法研究所學生物學的問題。生物資訊學的研究材料和結果就是各種各樣的生物學資料，其研究工具是計算機，研究方法包括對生物學資料的搜尋（收集和篩選）、處理（編輯、整理、管理和顯示）及利用（計算、模拟）。
生物資訊學典型工作流程
這個過程是由一系列連結的步驟組成，這些步驟将原始輸入（測序原始資料RAW）轉換為有意義或可解釋的輸出，例如，高通量測序NGS資料而生成的fastq檔案。然後用于基因組序列分析的特定功能方面的特定工具執行。根據執行的分析類型，工作流可以具有可變數量的步驟，是以可以是簡單的或複雜的。
生物資訊學主要研究方向：DNA/RNA/蛋白質測序，序列比對，基因發現，基因組組裝，藥物設計，藥物發現，蛋白質結構比對和預測，通過使用計算密集型技術（用于模式識别，資料挖掘，機器學習算法和可視化）來加深對生物過程的了解。是以需要配備先進的計算裝置和豐富專業的分析軟體
（二）生物資訊學分析的計算特點
如何選購一個理想的圖形工作站硬體配置，可能很多人思考過：
什麼是用于生物資訊學和計算生物學研究的最佳PC/工作站？
用于生物資訊學分析的伺服器配置
全基因組序列分析實驗室的硬體配置
高通量序列分析伺服器有什麼要求
下一代測序資料分析硬體配置推薦
用于分析NGS宏基因組學資料的計算機配置？
2.1 生物資訊分析的計算特點
生物資訊資料分析涉及到基因組學、轉錄組學、蛋白質組學、宏基因組學、代謝物組學等，下圖是全基因組資料分析流程
生物資訊學資料分析所涉及的計算主要是
（1）重測序過程中的序列/映射比對計算（Mapping）
對于使用BWA/Bowtie等程式進行映射讀取，對記憶體RAM要求不高（例如32GB即可），但CPU核心數量（及其頻率）将決定計算過程需要多長時間。如果要進行大量對齊和比對（例如使用BWA），那麼擁有大量CPU核心比擁有大量記憶體更為重要。
當然配置規格取決于您的預算和計劃進行的分析類型。
RNASeq中計算量較大的就是比對步驟了，而比對往往隻需要一次就可以！ 一般32核CPU+64GB RAM硬體配置，可以滿足對基因組/轉錄組/虹基因組分析的标準映射（maping）以及下遊分析。
（2）從頭測序De novo的序列組裝計算（Assembly）
如果要進行從頭組裝（例如Velvet），假設一個人的全基因組測序資料，采用二代測序的方法，人的基因組3G，10倍資料30G，那麼這30G的堿基，在切成更小的kmer，假設資料增加到了100G，還不算存儲序列的一些其他資訊，序列拼接的時候必須一次将所有資料同時存入記憶體，如果記憶體達不到100G，拼接根本無法完成。
是以，對于大型基因組裝而言，需要的硬體資源特别多，不緊cpu要有足夠的計算能力，記憶體在150G以上，但是如細菌基因組，資料集和基因組資料量不太大，記憶體128GB足夠了
為了使NGS（下一代測序）分析的工作負荷最大化，硬體配置三個關鍵瓶頸：可用的CPU核數、記憶體容量以及I/O帶寬
2.2 生信分析對硬體配置要求
如何處理454和Illumina資料？ 全基因組裝配/組裝？序列拼接？映射讀取到參考基因組？
（1）需要多少存儲空間才能保持資料實時讀取（硬碟容量）？
開發下一代測序（高通量測序）的臨床應用的瓶頸是存儲和分析所生成的大量資料。應用程式多種多樣，但共同的主題在計算和分析上具有挑戰性。
（2）要分析的每個檔案有多大（RAM容量，硬碟讀寫速度）？
（3）要使用的軟體準備好使用多處理器運作時間是否有要求（CPU核數）？
配置參考：
（1）基于基因組計劃的大小
（2）基于課題組研究人員數量
（三）生物資訊分析圖形工作站配置推薦2023
（四）生物資訊分析多機叢集配置推薦2023
欲咨詢機器處理速度如何、技術咨詢、索取詳細技術方案， 請聯系