안녕Ȣ16;세요.
대Ȣ17;원생1004;/196; 생명공Ȣ17;1901; 연구를 Ȣ16;고 1080;lj16; Ȣ17;생1077;니다.
1228; 실험실에서 연구Ȣ16;lj16; 1452;1228;들1032; 요1608; 트랜드lj16; NGS 데1060;터 (특7176; RNA sequencing)를 1068;0152; assay처/100; 다루고 1080;기ǐ12;문에 1649;1217; 1060;에 대한 세ᔚ1;1012; 시1089;Ȣ16;,172; .104;었습니다.
ᕬ1;시라도 1060;1901; 계열에 계신 ǥ16;들1032; 도움1012; Ǻ19;1012; 수 1080;1012;까 dz10;Ǻ12; 글1012; 남깁니다.
1060;번에 1228;가 단ᇺ1;1004;/196; Ȣ16;lj16; 연구에서lj16; sequencing data를 업체에서도 ǥ16;석1012; 해1452;었1648;만 sampleNJ17; 10만원1060;라lj16; 비dz16; 가ᅄ1;과 ǥ16;석 data1032; ǥ12;1313;함1012; lj12;꼈기에 1649;1217; raw data를 ǥ16;석Ȣ16;기 시1089;Ȣ16;였습니다.
1228; 개1064; 노트ǥ13; (i7 9750H, 32GBǖ16;)에 우ǥ16;투를 설치Ȣ16;여 BBduk, Trim galore, STAR aligner, salmon 과 같1008; 프/196;그ǖ16;1012; 1060;용Ȣ16;였습니다. 21sample ǥ16;석Ȣ16;lj16;데 만 21068; ,152;/160;고 1060;들보다 더 오래,152;린다고 알/140;1652; Bowtie, HISAT2와 같1008; 프/196;그ǖ16;1008; 엄.160;를 못내,172; .104;었습니다.
교수님께서 1060;를 보시고 워크스테1060;션1012; Ȣ16;나 구1077;Ȣ16;여 추후 ǥ16;석(public data와1032; 비교, 새/196;운 실험)에 사용Ȣ16;lj16; ,163;1012; 생각Ȣ16;시,172; .104;었습니다.
NJ17;1109; 1228; 실험에서 사용.112; data들1008; 1228; 개1064; 노트ǥ13;1004;/196; 해결1060; 가능할,163; 같1648;만 0120;래를 보고 구1077;1012; Ȣ16;시/140;Ȣ16;lj16; ,163;같습니다.
1060;에 견1201;아닌 견1201;, 구1077;시기에 대한 고0124;1060; 1080;습니다.
딥러닝과lj16; 달라 CPU1032; 파워가 결1221;1201;1060;고 ǖ16;에 데1060;터를 상1452;시Ȗ16; 후 새/196; 1069;1008; data를 비교Ȣ16;lj16; 계산1060; 1452; 1060;기에 ǖ16;1032; 크기 또한 1473;요합니다.
먼1200; CPUlj16; 2월 말에 3990X를 기다리lj16; ,163;1060; 1339;1012;까요? NJ17;1109; 필요한,163;1060; 아니기ǐ12;문에 기다리lj16;데lj16; 1204;혀 1648;1109;1060; 없습니다.
또한 GPU1032; 성능1060; 크,172; 1473;요Ȣ16;1648; 않다Ȣ16;더라도 1060;에 1456;Ȣ16;lj16; 스6169;1012; 갖추Ǻ12;놓고 추후 딥러닝 መ1;1032; ǥ16;석1012; 1312;금1060;나마 할 수 1080;,172; 1456;비해.160;lj16; ,163;1060; 1339;1012;까요?
마1648;ኔ1;1004;/196; 유1648; 보수 관1216;에서 1228; 후0176;들1008; 관리에 관심1060; 없1012; 수 1080;기에 1312;립보다lj16; DELL1060;나 HP 같1008; 대기업1032; 워크 스테1060;션1012; 구1077;Ȣ16;lj16; ,163;1060; 나1012;까요?
참고/196; de novo assembly 연구lj16; 1652;행Ȣ16;1648; 않습니다.
긴글 1069;Ǻ12; 1452;셔서 감사합니다^^ 새해 복 많1060; 0155;1004;세요
Salmon은 제가 쓰는 kallisto랑 비슷한 pseudoalignment 쓰는 걸로 기억하는데 이건 램이 덜 들어서
저는 8코어 3700x으로도 별로 불편함 못 느꼈습니다. 다만 저는. Human transcriptome만 분석하고 있어서 dna 분석 등에서는
얼마나 더 많은 자원이 필요할지 모르겠네요
딥러닝까지 생각하신다면 rtx 이상 구매하시는 것도 한 방법이겠네요... 3700x+kallisto 쓰니 대략 하루에 500개 정도의 transcriptome을
Alignment할 수 있다는 계산이 나왔습니다... 아무튼 저도 이분야가 주력은 아니고 사이드프로젝트로 진행중인데 남들은 뭐쓰는지
궁금하긴 하네요. 옆의 이미지 딥러닝 회사는 rtx 4장 씩 끼워가며 일하던데~
말씀해주신대로 STAR는 32GB 이상 필요로 하지만 속도도 워낙 좋고 포기하기 어려운 부분들이 많은 것 같습니다.
salmon과 kalisto 또한 잘 사용하고있습니다!
다만 public data 수십건을 같이 분석하려다보니 컴퓨팅 파워가 조금 부족함을 느끼고 있습니다.
말씀하신대로 3700x정도로도 차후에 괜찮을까요..
세금이 들어가는 연구비를 사용하는 입장이다보니 조금 더 신중하게 되네요.
(추가) 답변 쓰는 도중 글이 조금 더 늘어 있었네요. trimming의 시간또한 무시할 수 없고 salmon과 kalisto가 매우 좋은 pseudo align 법임을 알지만 여러 방법을 모두 해보는게 기본적인 실험법이라 생각이 들어서요~
하는 일은 전부 비슷비슷한데요
메인이 그쪽이라면 속도가 생명이니 이 이상도 오버스펙은 아닐 것 같습니다. Cpu남으면 일 한꺼번에 다중화해서 많이 시키면 그만인지라...
그리고 저는 트리밍 안하는 경우가 많아서 그쪽은 잘 모르겠네요. 어느쪽이던간에 cpu 자원이 많아서 손해보는 작업은 절대아니겠죠...
게다가 저는 실력이 미천해서 STAR은 작동도 못 시킵니다. 왜 안 되는지 모르겠어요 음핫핫핫
귀찮아서 파이썬도 안 쓰고 죄다 r package로 데이터 처리하는 사람이라~
당장 제가 사용하거나 근 몇년 내로의 human transcriptome 분석에서는 말씀해주신 3950x면 충분할 것 같습니다.
혹시 유지 보수 측면에서 랩에서 조립 컴퓨터를 사용해도 괜찮을지 아시는 바가 있으실까요...
모르겠네요... 조립컴퓨터 연구비로 구매한 경우도 알긴 하는데 전부 유지보수가 필요할만큼 빡세게 돌리지 않은 것 같아서
도움은 못 될 것 같아요.
연구 잘 되시길 기원하겠습니다!
장비용 시스템 납품 하는데 amd로 나간 장비만 프로그램 호환성이 매우 안좋아서 하루걸러서.... 수십대씩 cs 가 들어옵니다 ㅠㅠ
뭐 하는게 늘다보면 윈도우가 필요할 수도 있겠지만 다행히도 메인데탑은 아직은 쓸만한 4770k라서 그런 과정은 이걸로 해결하면 되겠죠 ㅎㅎ
바이너리 그냥 받아서 쓰거나 소스코드 컴파일해서 쓰는데, AMD FX 시리즈 시피유 나오자마자 우분투 깔아서 쭉 쓰고 있지만
AMD 시피유라고 문제 생기는 경우 없습니다. 윈도와 달리 리눅스에서는 AMD FX 시피유가 성능이 잘 나와주는 편이죠.
일단 시간 제일 많이 잡아먹는 부분부터 개선해 보세요. 트리밍을 예로 들면 제 경우엔 fastp를 이용해서 시간 엄청 줄였습니다. 이게 엄청 빠르긴 한데 anaconda로 버전 업데이트 될때마다 가끔 있지도 않은 어댑터를 날린다고 시퀀스가 짧아지는 문제 등이 있어서 경우에 따라 fastx_toolikt 을 쓸 때도 있지요. 예전에 멋모르고 느려터진 NGS QC Toolkit 쓸때와는 천지 차이더라구요. 그리고 아시는대로 Kallitso가 Bowtie + eXpress 대비 훨 빠르고 리소스도 적게 요구합니다. 결국은 최신 프로그램들을 꾸준히 찾아서 테스트 해 봐야 되더군요.
램이 256GB 까지 필요하면, 현재 가성비는 듀얼 제온 E5 시피유 쓰는 구형 웍스가 좋습니다. 16GB DDR3 서버램이 3만원 정도거든요. 다만 오래전 모델들이라서 상태가 좋은 물건을 찾으셔야 하는데, 잘 하면 100만원대로도 듀얼 옥타코어 시피유, 256GB 램 정도로 시스템 구할 수 있어요. 그리고 램이 128GB 이하로도 충분할 경우라면 AMD 3900X 정도면 가성비 좋다고 생각합니다. 제가 주로 하는 작업들 기준으로는 CPUbenchmark.net 의 CPU 점수가 잘 맞는 편이니까 벤치마크 점수 참고하셔서 시피유 선정하세요 (생각보다 3900X와 3950X 점수 차이 별로 안납니다). 아주 빠름 컴 한대 보다는 적당히 빠른 컴 두대가 유리한것 같구요, 구입 시기는 뭐 기다리면 끝이 없으니까 램 가격 더 오르기 전에 얼른 구입하시는게 나을것 같습니다. 기성품 깡통 웍스 구입해서 램, 하드 업그레이드 해도 되구요. 처음부터 사양 갖춰서 웍스 주문하면 가격이 너무 올라가더군요.
저는 완제품 웍스와 조립 웍스 둘 다 쓰고 있는데, 유지 보수라고 할건 둘 다 없습니다. 뭐 데이타 백업이 거의 전부 아닌가 싶어요. 딥러닝 안하실거죠? 그래픽카드는 제일 저렴한 라데온으로 하세요. 어차피 터미널에서 작업하고, 따로 설치하는 지포스 드라이버가 버그가 더러 있어서 저는 라데온 커널드라이버가 제일 속편하더라구요.
저는 T7600 웍스, 조립 인텔 X79, X99, 그리고 AMD 3900X 사용중입니다. 램은 64~256GB 정도고, 3~4TB HDD, 그래픽은 라데온 5450, 6450 씁니다.
4년 전까지만해도 X58 조립컴에 램 48GB 끼워서 썼었죠. 30Gbp 어셈블리 하는데 일주일 정도 걸렸었어요. ㅠㅠ
trimming 과정에서 trim galore에서 BBduk으로 넘어가고있는데 이친구 또한 속도가 괜찮은 것 같습니다.
워크스테이션급으로 첨부터 눈을 높여서 가기보다는 말씀해주신대로 3900X or 3950x 128GB 하드 4TB 라데온 시스템으로 구축해야겠습니다^^
추후에 더 높은 사양이 필요하다면 그 때 시스템을 더 구축하는게 더 도윰이 될 것 같네요!