多组学整合的内存瓶颈
多组学整合（如 scRNA-seq + scATAC-seq + 蛋白质组）需要同时加载多套矩阵数据，内存需求是单一组学的 2-4 倍。
| 数据规模 | 组学数 | CPU | 内存 | 存储 |
|---|---|---|---|---|
| <10万细胞 | 2（RNA+ATAC） | 64 核 | 256 GB | 2-3 TB |
| 10-50万细胞 | 2-3 | 80 核 | 256-512 GB | 3-5 TB |
| 50万+细胞 | 3+ | 80-96 核 | 512-1024 GB | 5-10 TB |
关键工具内存特点
- MOFA+：因子分析框架，矩阵分解对内存敏感，10万细胞×3组学需约 128GB
- Seurat v5 WNN：加权最近邻整合，多模态矩阵叠加，内存消耗大
- ArchR：scATAC-seq 专用，10万细胞需 64GB+，与 RNA 整合时翻倍
- Archer：多组学可视化，主要消耗 CPU
推荐配置
多组学整合的核心是大内存。建议 80 核 / 256GB 以上，数据量大时升级到 512GB-1TB。