BioNTech beschleunigt die Datenverarbeitung für Proteomik-Workflows mit AWS um das 500-fache

Die Massenspektrometrie ist eine leistungsstarke Methode für die Immunopeptidomik, da sie Tausende einzigartiger HLA-gebundener Peptide in einer einzigen Analyse klinisch relevanter Gewebe und Zelllinien nachweisen und identifizieren kann. Der in einer einzigen Erfassung erzeugte Rohdatensatz ist eine große Sammlung von Spektren, die anhand einer Referenzproteomdatenbank durchsucht werden können, um Peptid- und Proteinidentifikationen zu erhalten. In Proteomik- und Immunopeptidomik-Workflows sind Softwarepakete wie die Spectrum Mill MS Proteomics Software wichtige Komponenten bei der Verarbeitung und Analyse der großen Mengen an MS-Daten, die routinemäßig erfasst werden. 

Bis 2022 betrieb das Unternehmen diese Software auf lokalen Servern. Wissenschaftler mussten Daten manuell von den Gerätecomputern auf lokale Workstations übertragen, auf denen Spectrum Mill lief. Diese Geräte waren schnell voll, sodass zusätzliche Schritte zur Archivierung der Daten erforderlich waren. „Unsere Gesamtdaten waren locker 10–15 Terabyte groß, und die Übertragung auf das On-Premises-Gerät war zeitaufwändig und herausfordernd“, sagt Akhil Chaudhary, Data Engineer bei BioNTech. „Als unsere Forschungsaktivitäten zunahmen, nahm auch unsere MS-Datenerfassung erheblich zu“, sagt Michael McCarthy, Solutions Architect bei BioNTech. „Die lokale Hardware konnte unsere Dimensionen nicht mehr unterstützen.“ 

Um die Datenverarbeitung und den Zugriff auf die interpretierten Ergebnisse zu beschleunigen, benötigte das Computerbiologie-Team von BioNTech eine Möglichkeit, Hunderte von Anfragen gleichzeitig mit verschiedenen Suchparametern und Proteinsequenzdatenbanken zu verarbeiten, um die Peptid- und Proteininformationen für neue Entdeckungen zu maximieren. Die Abteilung wandte sich an das BioNData-Team – eine zentrale Daten- und Analysegruppe innerhalb des Unternehmens –, um Tools zur horizontalen Skalierung der Datenverarbeitungskapazitäten zu entwickeln. Das Team entschied sich für AWS, um ein hybrides Labordatenmodell zu entwickeln und horizontal skalierbare APIs zu erstellen. „In den USA setzen wir AWS seit langem erfolgreich in Produkten ein“, sagt McCarthy. „Es war eine selbstverständliche Wahl.“

In der ersten Phase lag der Schwerpunkt von BioNTech darauf, Daten nahtlos von den MS-Instrumentencomputern in die Cloud zu übertragen und Spectrum Mill in AWS zu hosten. Die zweite Phase umfasste die Entwicklung eines Systems zur gleichzeitigen Ausführung der Suchanfragen. 

Um die MS-Rohdaten in die Cloud zu verschieben, installierte BioNTech den AWS-Storage-Gateway-Agenten auf jedem Instrumentencomputer. Nach der Erfassung werden MS-Rohdaten schnell und automatisch in Amazon Simple Storage Service (Amazon S3) verschoben, ein Objektspeicherservice, mit dem beliebige Datenmengen von überall abgerufen werden können. „Die Geschwindigkeit ist extrem schnell. Es dauert nur 5–10 Sekunden, bis eine Datei von 5 GB in Amazon S3 erscheint“, sagt Chaudhary. Da mehrere Instrumente große Datensätze generieren, ermöglicht diese MS-Datenpipeline eine effizientere Migration der Daten zu einem zentralen Standort, um einen einfachen Zugriff für die Verarbeitung und Archivierung zu ermöglichen. 

Das Computerbiologie-Team von BioNTech hat den neuen Workflow schnell übernommen. „Jeder nutzt das cloudbasierte System, und die Forscher finden es viel einfacher“, sagt McCarthy. „Wir automatisieren das Datenmanagement in AWS, sodass sich Wissenschaftler auf die Wissenschaft konzentrieren können.“ 

Als nächstes installierte das Team Spectrum Mill in Amazon Elastic Compute Cloud (Amazon EC2), das sichere und anpassbare Rechenkapazität für praktisch jeden Workload bietet. „Indem wir Spectrum Mill in der Cloud ausführen, haben wir die einzelnen Suchzeiten um 50 bis 75 % reduziert“, sagt Chaudhary. Darüber hinaus betreibt BioNTech Amazon-EC2-Spot-Instances, mit denen fehlertolerante Workloads ausgeführt werden können, und das zu einem Preisnachlass von bis zu 90 % im Vergleich zu On-Demand-Preisen. Da das Unternehmen nur für die Zeit bezahlt, in der es die Instances nutzt, hat es die Rechenkosten erheblich gesenkt. 

Um die Anzahl der Workflows zu skalieren, die gleichzeitig ausgeführt werden können, verwendet das Team Amazon Machine Images, welche die zum Starten einer Instance erforderlichen Informationen bereitstellen, und Amazon EC2 Auto Scaling, das Rechenkapazität hinzufügen oder entfernen kann, um wechselnden Anforderungen gerecht zu werden. „Jetzt führen wir unsere Suchanfragen 50 bis 75 % schneller aus, und mit Amazon EC2 Auto Scaling können wir Hunderte von Instances parallel ausführen, wodurch die Datenverarbeitung um das bis zu 500-fache beschleunigt wird“, sagt McCarthy. 

BioNTech verwaltet Spectrum-Mill-Workflows mithilfe von Amazon Simple Queue Service (Amazon SQS), einem vollständig verwalteten Nachrichtenwarteschlangenservice. Das Unternehmen nutzt auch Amazon API Gateway, einen Service zur Erstellung, Wartung und Sicherung von APIs jeder Größenordnung, um Spectrum-Mill-Suchen durchzuführen. Anschließend werden die Daten aus einem Data Warehouse in Amazon Redshift abgerufen, das ein hervorragendes Preis-Leistungs-Verhältnis für Cloud-Data-Warehousing bietet. Diese Datensätze werden von den wissenschaftlichen Teams verwendet, um therapeutische Ziele zu identifizieren und Algorithmen für der künstlichen Intelligenz für das Entwerfen von Impfstoffen zu entwickeln. 

Mit data.all, einem Open-Source-Tool für die Freigabe von Datensätzen zwischen AWS-Konten, verbindet das Team verarbeitete Ergebnisse mit Datenverbrauchern im gesamten Unternehmen. Dadurch müssen Forscher keine Zeit mehr für das Datenmanagement aufwenden. „In AWS generieren und teilen unsere Wissenschaftler exponentiell mehr Daten mit dem Ziel, effektive, gezielte und personalisierte Therapien für Patienten zu finden“, sagt McCarthy.

BioNTech hat schnell die Vorteile seiner neuen Workflows in AWS erkannt. „Wir könnten alle Arbeiten der letzten 7 Jahre in 60 Stunden für einen Bruchteil des Preises wiederholen“, sagt Chaudhary. In der nächsten Phase will das Team die Massenspektrometrie-Analysetools verbessern und automatisieren, um die Falschentdeckungsrate von Peptiden zu senken. Es erstellt auch einen grafischen Wrapper für seine API, sodass alle Teams von BioNTech in ihren täglichen Workflows von der API profitieren können.

„Das Spectrum-Mill-Projekt ist nur das erste von vielen, die wir planen“, sagt McCarthy. „Dieses Projekt weckte die Zuversicht, dass wir ähnliche Probleme für unsere globalen Teams lösen können. Es ist lediglich die Vorstellungskraft, die einen einschränkt, und ich habe noch nichts gefunden, was ich in AWS nicht entwickeln könnte.“