BioNTech が AWS を使用してプロテオミクスワークフローのデータ処理を 500 倍高速化

質量分析は、臨床的に重要な組織や細胞株を 1 回分析するだけで、何千ものユニークな HLA 結合ペプチドを検出して同定できるため、イムノペプチドミクスの強力な方法論となっています。1 回の取得で得られる未加工のデータセットは、膨大なスペクトルの集合体であり、リファレンスプロテオームデータベースと照合してペプチドやタンパク質の同定結果を得ることができます。プロテオミクスとイムノペプチドミクスのワークフローでは、Spectrum Mill MS Proteomics Software などのソフトウェアパッケージが、日常的に収集される大量の MS データの処理と分析に不可欠なコンポーネントとなっています。 

2022 年まで、同社はこのソフトウェアをローカルサーバーで実行していました。研究者は、器具コンピュータから Spectrum Mill を実行しているローカルワークステーションにデータを手動で移動しなければなりませんでした。これらのデバイスはすぐにいっぱいになるため、データをアーカイブするための追加の手順が必要でした。BioNTech の data engineer である Akhil Chaudhary 氏は次のように述べています。「データの総量が 10～15 テラバイトに達していたため、オンプレミスデバイスへの移行には時間と手間がかかりました」。同社の solutions architect を務める Michael McCarthy 氏は、次のように語っています。「研究活動が拡大するにつれて、収集した MS データも大幅に増加しました。ローカルのハードウェアでは、当社の規模に対応できなくなったのです」。 

BioNTech の計算生物学チームは、ペプチドとタンパク質の情報を最大限に活用して新たな発見につなげようとしていました。その取り組みの一環として、データ処理と解釈された結果へのアクセスを高速化するため、さまざまな検索パラメータとタンパク質配列データベースを使用して何百ものリクエストを同時に処理する方法を必要としていました。同部門はデータ処理機能を水平方向にスケールするツールを構築するため、社内の中心的なデータおよび分析グループである BioNData チームに働きかけました。同チームは、ハイブリッドラボデータモデルを構築し、水平方向へのスケーリングが可能な API を開発する手段として、AWS を選択しました。McCarthy 氏は続けます。「米国では製品に AWS を使用して成功を収めてきた長い歴史があるため、これは自然な選択でした」。

BioNTech は第 1 フェーズで、データを MS 器具コンピュータからクラウドにシームレスに移動し、AWS で Spectrum Mill をホストできるようにすることに重点を置いていました。第 2 フェーズでは、検索リクエストを同時に実行するシステムを構築しました。 

MS の未加工データをクラウドに移動するために、BioNTech はすべての器具コンピュータに AWS Storage Gateway エージェントをインストールしました。MS の未加工データは、取得後に Amazon Simple Storage Service (Amazon S3) に迅速かつ自動的に移行されます。Amazon S3 は、どこからでも任意の量のデータを取得できるように構築されたオブジェクトストレージサービスです。「非常に高速で、5 GB のファイルが Amazon S3 に表示されるまでに 5～10 秒しかかかりません」と Chaudhary 氏は言います。複数の器具で大規模なデータセットが生成されるため、この MS データパイプラインを使うことで、一元化されたローカリゼーションにデータをより効率的に移行し、簡単にアクセスして処理やアーカイブができるようになります。 

BioNTech の計算生物学チームは、新しいワークフローをすぐに採用しました。McCarthy 氏は次のように語っています。「誰もがクラウドベースのシステムを使用しており、研究者はその方がずっと簡単だと感じています。私たちは AWS でのデータ管理を自動化して、研究者が研究に集中できるようにしています」。 

次に、チームは Spectrum Mill を Amazon Elastic Compute Cloud (Amazon EC2) にインストールしました。Amazon EC2 は、安全でサイズ変更可能なコンピューティング性能を備え、事実上あらゆるワークロードに対応します。「Spectrum Mill をクラウド上で実行することで、個々の検索時間を 50～75 パーセント短縮できました」と Chaudhary 氏は言います。さらに、BioNTech は Amazon EC2 スポットインスタンスを運用しています。Amazon EC2 スポットインスタンスでは、オンデマンド価格と比較して最大 90 パーセント低いコストで耐障害性のあるワークロードを実行できます。同社はインスタンスを使用した時間分だけ支払いを行うため、コンピューティングコストを大幅に削減できました。 

チームは一度に実行できるワークフローの数を増やすため、インスタンスの起動に必要な情報を提供する Amazon マシンイメージと、変化する需要に合わせてコンピューティング能力を追加または削除できる Amazon EC2 Auto Scaling を使用しています。「検索時間が 50～75 パーセント短縮されました。Amazon EC2 Auto Scaling を使用すれば、数百のインスタンスを並行して実行し、データ処理を最大 500 倍も高速化できます」と McCarthy 氏は語っています。 

BioNTech は、フルマネージド型のメッセージキューサービスである Amazon Simple Queue Service (Amazon SQS) を使用して Spectrum Mill のワークフローを管理しています。また、規模を問わず API を作成、保守、保護するためのサービスである Amazon API Gateway を使用して、Spectrum Mill の検索を実行しています。その後、Amazon Redshift のデータウェアハウスからデータを取得します。Amazon Redshift は、コストパフォーマンスに優れたクラウドデータウェアハウスを提供しています。これらのデータセットは、研究チームが治療標的を特定し、ワクチン設計用の人工知能アルゴリズムを構築するために使用されます。 

チームは、AWS アカウント間でデータセットを共有するためのオープンソースツールである data.all を使用して、処理された結果を社内のデータ利用者と結び付けています。その結果、研究者はデータ管理に時間を費やす必要がなくなりました。McCarthy 氏は次のように述べています。「当社の研究者は、特定の患者に合わせた効果的な治療法を見つけることを目指して、AWS でのデータの生成および共有を大きく増進しています」。

BioNTech は、AWS で新しいワークフローを実行するメリットをすぐに実感しました。Chaudhary 氏は次のように語っています。「過去 7 年間に行ってきたすべての作業を、ほとんど費用をかけずに 60 時間でやり直すことができました」。チームは次のフェーズで、質量分析分析ツールの改善と自動化により、ペプチドの誤発見率を下げることを目指しています。また、BioNTech のすべてのチームが日々のワークフローで API の恩恵を受けられるように、API を中心にグラフィカルなラッパーを作成しています。

「Spectrum Mill プロジェクトは、私たちが計画している多くのプロジェクトの 1 つ目にすぎません」と McCarthy 氏は言います。「このプロジェクトにより、他の国のチームでも同様の問題を解決できるという自信を得ることができました。想像力を駆使すれば、AWS でどんなことでも実現できると考えています」。