Indivumed stimule la recherche sur le cancer grâce à de puissantes analyses basées sur AWS

Basée à Hambourg, Indivumed est spécialisée dans l'utilisation d'échantillons biologiques de la plus haute qualité et de données cliniques complètes pour faire progresser la recherche et le développement en oncologie de précision. Sa solution de découverte IndivuType utilise AWS pour stocker des données et faciliter les analyses afin de déchiffrer la complexité du cancer. En améliorant son infrastructure AWS, Indivumed a économisé plus de 50 % sur ses coûts informatiques totaux et augmenté le nombre d'échantillons qu'elle peut traiter de 20 à 500 par semaine, soit une augmentation de 2 400 %.

Depuis 20 ans, Indivumed, basée à Hambourg, est spécialisée dans la mise en banque de matériel biologique, fournissant des infrastructures, une expertise et des technologies pour la recherche et le développement en oncologie. La plupart de ses clients et partenaires sont des instituts de recherche universitaires et des entreprises pharmaceutiques qui utilisent les connaissances générées par Indivumed pour découvrir et valider de nouveaux médicaments et, à terme, mettre au point de nouveaux traitements contre des cancers potentiellement mortels.

Le secteur des sciences de la vie et l'industrie pharmaceutique étant de plus en plus axés sur les données, Indivumed a saisi l'opportunité de générer ces informations en analysant des données multiomiques. Indivumed a décidé d'utiliser les milliers d'échantillons de tissus qu'elle conserve pour créer un référentiel unique contenant des informations moléculaires approfondies sur les cancers.

Les jeux de données sont, cependant, complexes et étendus. Pour gérer cette complexité, l'entreprise s'est tournée vers Amazon Web Services (AWS) et a utilisé le calcul haute performance (HPC) basé sur le cloud pour créer la première et la plus complète base de données multiomiques propriétaire au monde.

C'est ainsi que la solution IndivuType a été créée. Cette base de données multiomiques combine différentes informations de biologie moléculaire avec des informations cliniques provenant de milliers de patients en Europe, aux États-Unis et en Asie. Les jeux de données pour chaque échantillon de cancer, y compris les résultats bruts du test moléculaire, qui détecte les marqueurs de maladies, peuvent atteindre 200 Go.

Indivumed savait que ses besoins en matière de calcul seraient importants. Elle a donc décidé de créer un cluster HPC capable non seulement de gérer d'énormes jeux de données, mais également de mettre à l'échelle les ressources automatiquement en fonction de la quantité de traitement requise.

Elle a choisi AWS pour concrétiser sa vision. « AWS était le meilleur choix pour nous aider à nous mettre à l'échelle, et nous fournit toute une gamme de technologies sécurisées, fiables et sans serveur sur lesquelles nous pouvons nous appuyer », explique le Dr Jonathan Woodsmith, vice-président de l'analyse avancée et de l'IA chez Indivumed.

À l'origine, Indivumed a créé un cluster HPC en utilisant Amazon Elastic Compute Cloud (EC2), qui fournit une capacité de calcul sécurisée et redimensionnable, et Amazon Elastic File System (EFS), qui grandit et rétrécit automatiquement à mesure que des fichiers sont ajoutés et supprimés.

Au fur et à mesure de la croissance de l'entreprise, Indivumed a dû augmenter la quantité de données qu'elle pouvait gérer afin d'augmenter le nombre d'échantillons qu'elle pouvait traiter chaque année. Pour y parvenir, Indivumed a dû refactoriser le cluster. « Nous avons consacré beaucoup de temps à la création d'une plateforme technologique native cloud », explique Jonathan Woodsmith.

Indivumed et AWS ont lancé le projet Multi-Omics for Cancer and Clinical Analytics (MOCCA) (Multiomique pour le cancer et l'analyse clinique) afin de moderniser le cluster. Il est basé sur Amazon Elastic Kubernetes Service (Amazon EKS), service géré de conteneurs permettant d'exécuter et de mettre à l'échelle Kubernetes. Indivumed a également utilisé des instances Spot Amazon EC2 optimisées pour le calcul et basées sur Intel pour fournir des charges de travail hautes performances à faible coût.

Pour optimiser davantage les coûts, le nouveau cluster a remplacé plusieurs charges de travail Amazon EFS par un stockage d'objets fourni par Amazon Simple Storage Service (Amazon S3), conçu pour récupérer n'importe quelle quantité de données, depuis n'importe où. Grâce au cluster MOCCA, Indivumed a économisé plus de 50 % sur ses coûts informatiques totaux et réduit le coût par échantillon d'environ 41 % par rapport à sa configuration AWS précédente.

Elle a également augmenté le nombre d'échantillons qu'elle peut traiter en parallèle. IndivuType peut désormais traiter 500 échantillons par semaine, contre 20 auparavant, en utilisant Amazon EKS pour agrandir son échelle à 1 000 instances. Il s'agit d'une augmentation de 2 400 % de la capacité de traitement par rapport à son système précédent.

Indivumed a apporté de nouvelles améliorations pour stocker les données qui ne sont plus nécessaires à l'aide d'Amazon S3 Glacier, qui fournit des classes de stockage à long terme, sécurisées et durables pour l'archivage des données. « Il est essentiel de pouvoir poursuivre la croissance de l'entreprise et de savoir que nous avons les moyens de suivre cette croissance », déclare Jonathan Woodsmith.

Une fois la solution IndivuType opérationnelle, Indivumed souhaitait générer de nouvelles informations sur la biologie du cancer que ses clients et partenaires pourraient utiliser pour mettre au point de nouveaux traitements. Pour créer ces informations, Indivumed a appliqué le machine learning (ML) à l'analyse de données multiomiques. Parallèlement, elle a utilisé JADBio, système de ML automatisé pour les applications des sciences de la vie qui incluent de grands jeux de données cliniques multiomiques et des images médicales.

JADBio est une plateforme logicielle en tant que service qui s'exécute sur AWS, ce qui facilite l'intégration à IndivuType via des API. La technologie JADBio soutient la plateforme d'intelligence artificielle (IA) nRAVel® d'Indivumed en reconnaissant et en apprenant les modèles d'informations contenus dans les données tumorales.

nRavel® inclut des outils sur mesure qu'Indivumed a créés et validés à l'aide de données issues de modèles de maladies sélectionnés à partir de bases de données biologiques complètes. Associé à des algorithmes analytiques avancés et au ML, cette plateforme aide Indivumed à mieux comprendre la biologie, les traitements et les résultats du cancer.

Ces nouvelles fonctionnalités ont permis à Indivumed d'établir de nouvelles connexions et de nouveaux partenariats. L'entreprise propose désormais des analyses avancées d'échantillons de tissus avec IndivuType et nRavel® à plusieurs grandes entreprises pharmaceutiques et à un certain nombre de petites et moyennes entreprises de biotechnologie.

Les progrès réalisés par les entreprises utilisant la technologie Indivumed pourraient changer la vie des patients atteints de cancer. « Nous disposons de l'installation de traitement multiomique la plus automatisée du marché », explique Rene Steen, vice-président chargé des technologies de l'information chez Indivumed. « Cela favorise la création de nouveaux traitements qui, à terme, sauveront et prolongeront la vie des patients. C'est quelque chose dont nous pouvons être fiers. »