百万细胞的计算瓶颈
百万级细胞（1,000,000+ cells）分析是目前单细胞领域的极限场景。主要瓶颈在：
- 内存：100万 × 3000 基因的矩阵 ≈ 24 GB，ScaleData 后需要 100-200 GB
- UMAP 计算：100万点的 KNN 图构建 + UMAP 降维，32 核需 2-4 小时
- 整合步骤：多样本整合（如 50 个样本 × 2万细胞）
推荐配置
| 配置项 | 最低 | 推荐 | 理想 |
|---|---|---|---|
| CPU | 32 核 | 64 核 | 96 核 |
| 内存 | 256 GB | 512 GB | 1 TB |
| 存储 | 4 TB NVMe | 8 TB NVMe | 16 TB NVMe |
| GPU（可选） | — | T4 16GB | A100 40GB |
百万细胞分析工具推荐
- scVI / scANVI：基于深度学习的整合方法，支持 GPU 加速，适合百万级
- Scanpy + rapids-singlecell：GPU 加速版 Scanpy，UMAP 提速 50-100 倍
- Seurat v5：支持 BPCells 稀疏矩阵，内存消耗降至原来的 1/10