Post actualizado el día octubre 29, 2026 by DeiviSanzPlay
Elegir un ordenador para análisis genético no es como comprar un portátil para ofimática: aquí el cuello de botella suele estar en la memoria RAM y en el almacenamiento, no en la tarjeta gráfica. Estas son las preguntas que más se repiten, con respuestas directas y sin promesas de milagros.
¿Qué componentes importan de verdad?
Para alineamiento de lecturas (BWA, Bowtie2), llamada de variantes (GATK, DeepVariant) o análisis de expresión con STAR o Salmon, la prioridad es esta:
- RAM: 32 GB es el mínimo cómodo; 64 GB evita muchos problemas al indexar genomas grandes. Los genomas humanos de referencia con índices pueden ocupar bastante memoria.
- CPU: muchos núcleos ayudan porque la mayoría de herramientas paralelizan por hilos. Un procesador de 12-16 núcleos rinde mejor que uno de 8 con más frecuencia.
- Almacenamiento NVMe: los ficheros FASTQ y BAM son enormes y se leen constantemente. Un SSD SATA aquí sí se nota lento.
- GPU: solo relevante para herramientas concretas (basecalling de Oxford Nanopore con Guppy/Dorado, o algunos aceleradores de DeepVariant). No es obligatoria.
¿Sirve un portátil o necesito una torre?
Un portátil con 32 GB y buen SSD puede bastar para análisis pequeños, docencia o trabajo de campo con secuenciadores portátiles como MinION. Pero si vas a procesar lotes de muestras de forma continua, una torre o un servidor de laboratorio es más sensato: se refrigera mejor, se amplía y se sustituye por piezas. En mi caso, un equipo de sobremesa con 64 GB y un NVMe de 2 TB fue lo que hizo viable trabajar con varios BAM a la vez sin que el sistema empezara a usar swap durante horas.
¿Windows, macOS o Linux?
La mayoría del software bioinformático se desarrolla para Linux. Windows funciona con WSL2 (subsistema de Linux) para muchas tareas, y macOS es válido si usas Homebrew o contenedores. Pero si vas en serio, Linux nativo (Ubuntu o Debian) ahorra fricción. Ojo: algunas herramientas comerciales de análisis clínico solo corren en Windows, así que conviene revisar el software antes de decidir el sistema.
¿Necesito un servidor o la nube?
Depende del volumen. Para proyectos puntuales, alquilar instancias cloud con mucha RAM puede salir más barato que comprar hardware. Para datos de pacientes, hay que revisar las condiciones de cumplimiento normativo del proveedor. La nube no siempre es la respuesta: la subida de terabytes de FASTQ puede ser un cuello de botella real.
Esto no funciona para todo
Un ordenador potente no sustituye un clúster para análisis de genomas completos a gran escala, ni resuelve problemas de calidad de las lecturas. Tampoco conviene gastar en una GPU de gama alta si tu flujo es alineamiento y llamada de variantes: ese dinero rinde más en RAM y disco.
¿Cuánto gastar?
No hay cifra universal porque los precios cambian, pero como orientación: un equipo de trabajo serio con 64 GB y NVMe de 2 TB suele costar bastante más que un portátil de oficina, y menos que un servidor dedicado. Prioriza RAM y disco antes que CPU tope de gama.
Fuentes de referencia
Documentación oficial de GATK, Bowtie2, STAR y Oxford Nanopore; guías de Biostars y foros de BioConductor. Consulta siempre los requisitos de memoria indicados por cada herramienta antes de comprar.
Perfiles verificables: Sitio web
Publicado el 29 de October de 2026. Última revisión: 29 de October de 2026.
