Геномика в облаке

AWS позволяет упростить геномный анализ и безопасно масштабировать его.

AWS поддерживает встроенную масштабируемость и развитую сеть партнеров, которые предлагают инструменты, готовые к работе с вашими конфиденциальными данными и рабочими нагрузками. Клиенты AWS получают возможность ускорить анализ геномных данных и выстроить мост, соединяющий их существующую локальную инфраструктуру с облаком.

С помощью AWS можно эффективно хранить и динамично обрабатывать данные, взаимодействовать с коллегами, внедрять аналитику и машинное обучение, а также интегрировать свои открытия в клиническую практику.   

Посмотрите, что говорят о преимуществах работы в облаке мировые лидеры в сфере геномики.

Преимущества

Ускорьте темпы получения научных результатов

AWS позволяет клиентам, занимающимся геномикой, извлекать из объемных и сложных данных ценную аналитическую информацию. Теперь клиенты будут избавлены от больших стартовых расходов времени и средств на создание и поддержку инфраструктуры. Платформа AWS предоставляет гибкий и экономичный доступ практически мгновенно к необходимому количеству ресурсов с оплатой по факту использования.

Обеспечьте масштабируемость и динамическое выделение ресурсов

Если запускать конвейеры геномного анализа на AWS, их можно эффективно масштабировать в соответствии с увеличением или уменьшением потребностей. AWS также предоставляет альтернативные цены и методы вычислений для дополнительного геномного тестирования.

Настройте и оптимизируйте рабочие процессы

Для оптимизации и настройки ваших рабочих процессов AWS сформировала обширную сеть партнеров, с которыми можно сотрудничать по широкому спектру задач, от создания геномного конвейера до интеграции полученных результатов в схемы лечения и диагностики. Эта сеть предоставляет набор разнообразных гибких возможностей и позволяет расширять функциональность ваших решений.  

Cromwell on AWS

Система управления рабочими процессами Cromwell от Института Броуда теперь поддерживается в облаке AWS. Используя систему Cromwell и вычислительные возможности облака AWS, ученые могут не ограничиваться локальными ресурсами для еще более масштабных экспериментов по геномике.

Примеры использования в геномике

  • Контейнеры
  • Управление рабочими процессами
  • Анализ больших данных
  • Наборы данных
  • Совместная работа
  • Контейнеры
  • Контейнеры для геномного конвейера

    Чтобы облегчить распределение и запуск геномного конвейера, можно объединить процессы с использованием контейнеров в AWS Cloud. Настройте собственную архитектуру рабочего процесса plug-n-play и создайте среду, которая будет отвечать потребностям вашего рабочего процесса и исследований. Используя Amazon EC2 Container Service (ECS) или Docker на AWS, можно обрабатывать большие объемы геномных данных по частям, делая исходящие данные воспроизводимыми, а также легко предоставляя к ним доступ.

    Health_Genomics_diagram_Containers

    Видео об архитектуре

    В этом видео вы узнаете о мощных многоразовых конвейерах приложений, созданных на платформе AWS компанией Human Longevity, Inc. Посмотрите, как специалисты компании обрабатывают до 12 ТБ необработанных данных в день в Amazon S3 при помощи специальных аналитических инструментов, работающих в контейнерах Docker.

    Подробнее »

    Схема архитектуры

    Изучите подробную схему архитектуры от Human Longevity, Inc. для геномного анализа с использованием контейнеров Docker на AWS

    Подробнее »

    Пример использования клиентом

    Узнайте, как сотрудники компании Benchling сократили время поиска на 90 % и масштабировали его до сотен геномов с использованием AWS Lambda. 

    Подробнее »

  • Управление рабочими процессами
  • Управление рабочими процессами

    Для того чтобы более эффективно управлять геномным конвейером, можно разработать правила управления рабочим потоком в облаке AWS. Разработайте и выполните серию конкретных вычислительных шагов и шагов по манипуляции данными, а также оптимизируйте распараллеливание заданий, чтобы уменьшить время на их выполнение.

    Health-Genomics_diagrams_Workflow-management

    Пример использования клиентом

    Узнайте, как Медицинский колледж Бейлора работал с компанией DNAnexus, чтобы переместить свои данные геномного анализа в облако AWS. Они совместно вели крупные клинические геномные исследования в среде с высоким уровнем безопасности и соответствия требованиям

    Подробнее »

    Пример использования клиентом

    Узнайте, как компания DNAnexus разработала платформу для геномного анализа на AWS. Посмотрите, как сочетание инфраструктуры AWS и средств контроля платформы DNAnexus, а также наличие нужных сертификатов позволило им соответствовать высоким требованиям HIPAA, CAP/CLIA, GxP и других законов и норм конфиденциальности.

    Подробнее »

  • Анализ больших данных
  • Анализ больших данных для геномики

    Организации, занимающиеся геномикой, рискуют утонуть в потоках данных, генерируемых их геномными конвейерами. Чтобы увеличить практическую ценность этих данных, можно выполнить развертывание на AWS компонентов, которые будут поддерживать весь аналитический конвейер, от сбора и обработки данных до визуализации, хранения и архивирования. Широкий спектр сервисов баз данных обеспечивает гибкий выбор нужных решений для соответствия вашим потребностям и получения лучших результатов.

    Health_Genomics_diagrams_Big-Data-Analytics

    Видео об архитектуре

    В этом видео об архитектуре вы увидите, как специалисты из Калифорнийского университета в Санта-Крусе анализируют петабайты геномных данных, используя недорогое решение с контейнерами Docker и спотовыми инстансами EC2.

    Подробнее »

    Пример использования клиентом

    Посмотрите, как сотрудники лаборатории Гутмана в Калифорнийском технологическом институте используют кластеры для высокопроизводительных вычислений (HPC) на AWS, чтобы сократить время обработки геномных данных от нескольких недель до нескольких дней.

    Подробнее »

    Пример использования клиентом

    Посмотрите, как специалисты компании GENALICE смогли обработать полные геномы 800 пациентов за 60 минут, используя сервисы высокопроизводительных вычислений AWS.

    Подробнее »

  • Наборы данных
  • Работа с публичными и частными пакетами данных

    С помощью AWS вы можете получать доступ к собственным частным пакетам данных или к контролируемым репозиториям, таким как база данных генотипов и фенотипов (dbGaP) Национальных институтов здравоохранения (NIH), Атлас ракового генома (TCGA) и т. д. Для анализа данных можно использовать инструментарий по вашему выбору (например, GATK или Galaxy). AWS обладает всем инструментами, необходимыми для обеспечения безопасности и соответствия требованиям при работе с такими конфиденциальными данными, включая встроенные возможности шифрования данных при хранении и пересылке.

    Health-Genomics_diagrams_Working-Public-Private-Data-Sets

    Пример использования клиентом

    Узнайте, как в школе медицины Икана медицинского центра Маунт-Синай анализируют большие пакеты геномных данных и делятся ими с внешними партнерами, соблюдая при этом строгую конфиденциальность и контролируя безопасность с помощью AWS.

    Подробнее »

    Техническое описание

    Архитектурное проектирование для обеспечения безопасности геномных данных и их соответствия требованиям на платформе AWS

    Узнайте, как работать с пакетами данных с контролируемым доступом из dbGaP, GWAS и других отдельных репозиториев геномных исследований.

    Подробнее »

    Пример использования клиентом

    Этот пример демонстрирует, как компания Illumina активно расширяет свои технологии секвенирования ДНК с помощью AWS. Узнайте, как Illumina развивает решение BaseSpace Sequence Hub и хранит 10 ПБ геномных данных, используя такие продукты, как Amazon RedShift.

    Подробнее »

  • Совместная работа
  • Налаживание сотрудничества

    Делитесь данными с коллегами – и неважно, работают ли они в соседнем кабинете или на другом конце света. AWS может предоставить централизованное, совместно используемое рабочее пространство, где вы вместе с коллегами сможете создавать пакеты данных, писать алгоритмы или создавать инструменты. При этом не нужно будет физически перемещать данные куда-либо или беспокоиться о нарушении прав на интеллектуальную собственность.

    Health-Genomics_diagrams_Collaboration

    Пример использования клиентом

    Узнайте, как компания ThermoFisher предоставляет своим клиентам масштабируемую и безопасную платформу для проведения исследований, совместной работы и улучшения лечения пациентов с использованием облака AWS во всем мире.

    Подробнее »

    Пример использования клиентом

    Посмотрите, как компания Celgene обеспечила безопасное сотрудничество между своими исследователями и научно-исследовательскими лабораториями, используя решения AWS. Это позволило сформировать команды для работы, предоставляя изолированный доступ для исследователей из разных организаций.

    Подробнее »

    Пример использования клиентом

    Посмотрите, как ученые из Института геномики Калифорнийского университета в Санта-Крус использовали решения AWS, чтобы обрабатывать образцы быстрее и безопасно отправлять результаты партнерам.

    Подробнее »

Возможности для точной медицины на AWS

Персонализированная медицина, основанная на количественных методиках, которые включают геномику, изучение образа жизни и окружения, становится реальностью благодаря таким новым технологиям, как геномное секвенирование и носимые «умные» устройства IoT. Ознакомьтесь с инициативами AWS в области точной медицины.

Выберите примеры использования и ресурсы

Просмотреть все примеры использования и сопутствующие ресурсы от клиентов, занимающихся геномикой

 

Пример использования: Illumina

Этот пример демонстрирует, как компания Illumina активно расширяет свои технологии секвенирования ДНК с помощью AWS. Узнайте, как Illumina развивает решение BaseSpace Sequence Hub и хранит 10 ПБ геномных данных, используя такие продукты, как Amazon RedShift.

Подробнее »

Пример использования: Sequence Bio

Этот пример демонстрирует, как компания Sequence Bio быстро построила надежную и безопасную платформу на базе AWS для управляемой данными разработки лекарств.

Подробнее »

Пример использования: Смитсоновский институт

Этот пример демонстрирует, как специалисты по работе с данными Смитсоновского института масштабируют вычислительные инстансы AWS в зависимости от текущей потребности, что позволяет им параллельно аннотировать много геномов и сокращать расходы.

Подробнее »

Пример использования: Институт геномики Калифорнийского университета в Санта-Крусе

Этот пример демонстрирует, как ученые из Института геномики Калифорнийского университета в Санта-Крусе смогли сократить время геномных вычислений с трех месяцев до четырех дней и уменьшить общие расходы, используя сервисы AWS для высокопроизводительных вычислений.

Подробнее »

Блог. Новый движущий импульс геномных исследований

Блог AWS Education. Сотрудничество AWS и Института Броуда

Узнайте о механизме выполнения Cromwell, который упрощает координацию вычислительных задач для геномного анализа и теперь доступен в облаке AWS.

Подробнее »

Блог. Развертывание решения DRAGEN от Illumina с новым пакетом Quick Start

Новые возможности AWS. Использование нового пакета Quick Start для развертывания Illumina DRAGEN в облаке AWS

Узнайте, как с помощью нового пакета Quick Start развернули платформу анализа данных Dynamic Read Analysis for GENomics Complete Suite (DRAGEN CS) от Illumina в облаке AWS приблизительно за 15 минут.

Подробнее »

Блог. Точная медицина в нужном масштабе

Блог AWS Compute. Улучшение методов точной медицины в нужном масштабе

Узнайте, как специалисты Edico Genome разработали инновационное решение для ускорения анализа геномных данных с использованием FPGA-приложений на платформе AWS.

Подробнее »

Блог. Human Longevity, Inc.

Блог AWS News. Изучение генома, которое меняет медицину

Узнайте, как компания Human Longevity, Inc. использует возможности AWS для хранения больших объемов данных, которые генерируются в процессе революционных изменений в медицине.

Подробнее »


Начать работу

Лидирующие компании в области геномики уже используют решения AWS. Свяжитесь с нашими специалистами и начните работать с облаком AWS уже сегодня.