在英偉達自家的GTC大會上，它展示了在基因組學方面的生態合作。除了領頭的兩大測序品牌Illumina和MGI，其他新興玩家都跟英偉達建立了合作關系。
高通量儀器的進步降低了測序成本，但這只會增加需要分析的數據量。 GPU 和 AI 上的并行工作流程可提高儀器通量和準確性，同時加速分析。
面向未來發展，這個命題太重要了。
不管是基于RNN還是CNN模型，深度學習對于基因組儀器中的堿基檢出越來越重要。神經網絡可以解讀儀器生成的圖像和信號數據，推斷堿基信息。這提高了讀取的準確性，并確保堿基檢出更接近實時。所以，ONT、PacBio、Singular、Ultima等將英偉達的GPU整合到了自己的機器中。
英偉達在2019年底收購了測序軟件公司Parabricks進軍基因組學行業。到目前為主，Parabricks可能還是唯一一款 GPU 加速的生信解決方案，加速了黃金標準二級分析工具的速度，從比對到變異調用，實現了短讀長測序數據的快速分析。這些工具可兼容主流測序儀所產出的數據。
值得一提的是，頭部的兩大測序品牌在機載計算上選擇了基于FPGA的加速方式。
不管是FPGA還是GPU，二級分析的效率都已經大大提升。但Parabricks Germline WGS工作流程，通過 H100 GPU 上的加速，端到端運行時間只需要短短的10 分鐘！這太驚人了。
迄今為止，超快速的人全基因組測序診斷也是NVIDIA 和 ONT在NVIDIA A100 上實現的7 小時 18 分鐘。
在傳統的基因測序之外，Bionano的光學圖譜分析、Deepcell的單細胞形態分析、NanoString的空間組學分析等都也嵌入擁抱了英偉達的GPU和AI技術。
NVIDIA Parabricks 不斷擴展提供加速的多組學分析，為單細胞和空間組學提供了參考工作流程，解決DNA、RNA、甲基化、單細胞和空間組學數據的挑戰。
英偉達也在將生成式 AI 引入單細胞和空間組學分析，并提供一種新的細胞成像基礎模型，能夠進行高精度分割（能正確地將表達歸因于正確的細胞非常重要，這會影響所有下游任務的準確性），并且能夠獨特地生成代表細胞形態的嵌入信息。 這似乎代表了未來組學大數據發展的一個趨勢。
當然，除此之外，在醫療和生命科學行業的應用上，英偉達也更多關注藥物發現、醫療器械及醫學影像等場景。
妥妥的生產力稀缺要素。