把你的显卡加速启用后，分析大队列DIA数据您可能依然会觉得不够快，那是因为spectronaut在检索的时候还是一个个数据排着队检索，那么必然导致在部分计算步骤中算力浪费。所以在Spectronaut19发布后，BGS为大家推出了并发版本，通过1. 基于云/集群（全新集群license）进行高并发检索提升检索速度，如下图，可以提速5-10倍（取决于队列大小）。当然该方案不是非得基于AWS，其他云服务器或本地集群亦可。如有需求请直接联系我司技术支持或和您对接的销售。2. 本地floating license（2-5）并发计算，基于Spectronaut命令行版本，我司专门为用户编写了OmicsCloud平台支持并发本地多计算机计算，计算流程其实和云或集群版本类似。OmicsCloud帮您将大队列样品分发到本地局域网内的多台spectronaut计算服务器（windows和linux均可），分别进行directDIA+机器学习及计算（如果每台子节点电脑都有CUDA加速则更理想了），然后再汇总到主节点服务器进行search archive也就是psar结果整合，再进行整体DIA Analysis（该步骤就非常快了）。如有需求请直接联系我司技术支持或和您对接的销售。3. 如果您暂时软硬件条件不足，请放心，我们依然给您提供单机提速方案a. 软件内添加好directDIA搜库参数，fasta文件（基操）b. 将需要分析的数据（不一定需要全部采集完，采集了多少就可以分析多少）放到特定目录下c. 打开spectronaut Pipeline视图，选择Job monitor标签，右下角选择set up job monitoring pipeline，在弹出的设置窗口选择 name（项目名称，不重要），Path（数据文件路径，即步骤b中的目录），output folder（结果输出目录），schemas面板选择步骤a中设好的参数，最下方fasta files面板选择步骤a中设好的fasta库。点击confirm即完成设定。如无意外，spectronaut即自动开始对每个样品进行检索了。说对了！你可以多新建几个目录啊，只要当前计算机够nb，你可以开3个，4个，5个甚至更多个数据平行存储目录，然后同时打开这么多个spectronaut 进程并进行pipeline分析。这样每个DIA文件都会得到一个分析结果目录，每个目录里都有一个psar文件，记得回头通过everything或者任何系统里的搜索功能将他们汇总到一起。d. 完成以上分布式（伪）分析后，回到spectronaut library（久违的）面板，点击generate library from Pulsar/search archive，出下如下界面后，直接点击next然后点击from file后把刚才的psar文件们全部导入，合并成单一数据库kit即可。如果你也做了分级建库，记得再单独生成一个kit哦e. 正式分析，后面就都一样啦。按照常规的spectral library检索方式操作即可，本文就不啰嗦啦。服务热线：17863958584（销售），18221381405（技术支持）邮 箱：sales@omicsolution.com