発見と前臨床研究のユースケース
ユースケースの例を詳しく見て、AWS クラウドテクノロジーがどのように発見と前臨床研究における敏捷性を向上させ、データ駆動型のインサイトをより良く引き出しているかを学びましょう。
-
ハイパフォーマンスコンピューティング
-
研究における AI/機械学習
-
研究機器からデータを接続する
-
ゲノミクス研究
-
コラボレーションの実現
-
ハイパフォーマンスコンピューティング
-
ハイパフォーマンスコンピューティング
初期の発見と前臨床研究では、計算化学シミュレーションや大規模なゲノム分析などのタスクを行うために、科学者は幅広いコンピューティング能力が使えなければなりません。データセットには数百万のデータポイントが含まれている可能性があり、出力を実験的に生成するには数十億の計算が必要です。ただし、オンプレミスのハイパフォーマンスコンピューティング (HPC) クラスターの調達、セットアップ、管理には、法外なコストがかかり、数か月かかる場合もあります。
AWS クラウドは、需要のピーク時に迅速にスケールアップし、需要が減少したときに再びスケールダウンできる強力な HPC 環境など、先行投資なしでインフラストラクチャへアクセスできるようにします。AWS Batch や AWS ParallelCluster などのオーケストレーションサービスは、このような HPC 環境の利用と管理を簡素化し、いつも利用しているユーザーがよりアクセスしやすくすることができます。さらに、コストと結果が出るまでの時間が大幅に短縮されるため、研究者はオンプレミス環境ではこれまで不可能だった疑問を投げかける自由を手にすることができます。
導入事例
InhibOx の導入事例
この導入事例では、InhibOx が実質的に無制限のコンピューティングリソースを活用して、高いレベルのデータセキュリティを提供しながら、モデル化された薬物候補の世界最大の仮想ライブラリをどのように実現したかを学びます。
ニューヨーク大学の導入事例
この導入事例では、ニューヨーク大学が世界中の研究者と協力し、AWS クラウドで HPC を利用して医療情報研究を加速させている方法をご紹介します。
ベイラー医科大学の導入事例
この導入事例では、ベイラー医科大学が研究分析用に 21,000 個のコアを迅速にスケールアップし、ローカルインフラストラクチャよりも 5 倍速く研究を完了することができた方法を学びます。
関連リソース
HPC トレーニング
カスタマイズされたラーニングパスに従って、AWS で HPC 環境を立ち上げ、その過程で重要な概念を確認します。
HPC Well-Architected フレームワーク
よくある HPC のシナリオを扱い、ワークロードがベストプラクティスに従ってアーキテクチャーが行われるための主要要素を詳しく見ます。
AstraZeneca ウェビナー
このウェビナーでは、AstraZeneca が、AWS の高性能コンピューティングリソースを使用してわずか 20 日間で 20,000 エキソームのゲノムデータを処理し、研究分析のトータルコストを引き下げる方法を学びます。
-
研究における AI/機械学習
-
研究における AI/機械学習
研究者は、毒物学上の予測、ワークフローの最適化、化合物モデリングなどのタスクを実行するための人工知能と機械学習 (AI/機械学習) 機能に注目し、分子化合物のリスクを軽減して開発を進めています。ただし、AI/機械学習アルゴリズムの構築は、製薬研究者の従来のスキルセットではカバーされていないことが多く、データサイエンティストの利用には限りがある可能性があります。
研究者は Amazon SageMaker を利用して、機械学習モデルを大規模にすばやく簡単に構築、トレーニング、デプロイできます。さらに、Amazon SageMaker はすべての一般的なオープンソースフレームワークをサポートしているため、研究者はそれを使用してカスタム機械学習モデルを構築することもできます。AWS は、Amazon のデータサイエンティストのトレーニングに使用されたのと同じカリキュラムを使用して、科学者がプロジェクトに取り組むために必要なスキルを学ぶためのデジタルトレーニングへのオンデマンドアクセスを無料で提供します。ガイダンスと指示を直接行って独自の機械学習エキスパートの開発を加速するために、Amazon ML Solutions Lab は、チームが Amazon 機械学習エキスパートとタッグを組んで、データを準備し、モデルを構築およびトレーニングし、モデルを本番環境へ移行できるようにします。
導入事例
Celgene の記事
この記事では、Celgene が Amazon SageMaker を利用して、前臨床研究で毒物学上の予測を行う方法を学びます。
Blackthorn Therapeutics のウェビナー
このウェビナーでは、スタートアップの Blackthorne Therapeutics が機械学習をどのように利用して科学的革新を推し進めたかを学びます。
Atomwise のウェビナー
このウェビナーでは、スタートアップの Atomwise が低分子創薬のための機械学習の事前検証をどのように構築したかをご紹介します。
Insitro のウェビナー
このウェビナーでは、スタートアップの Insitro が機械学習モデルを使ってどのように医薬品開発に役立てているかをご紹介します。
関連リソース
-
研究機器からデータを接続する
-
研究機器からデータを接続する
研究所は、顕微鏡や分光計などの従来の研究機器で取得した大量のデータを処理する必要があります。このデータはローカルに保存されるため、データを安全にアーカイブ、処理し、世界中の共同研究者と共有する方法が制限されています。
研究者は、AWS DataSync と AWS Storage Gateway を使用することで、機器データのクラウドへの転送を自動化し、重要な実験データが安全に保存およびアーカイブされるようにすることができます。Amazon S3 Glacier は、オンプレミスソリューションと比較して大幅に安価な料金でデータアーカイブ用の長期的かつ耐久性のあるストレージを提供します。
導入事例
NYU の導入事例
この導入事例では、ニューヨーク大学が AWS クラウドと並行してさまざまな研究機器から大規模なデータセットを確実に転送する方法を学びます。
ThermoFisher の導入事例
この導入事例では、ThermoFisher Cloud が AWS 上でどのように構築され、科学者がデータをグローバルに安全に保存、分析、共有するのに役立てているかをご紹介します。
Celgene の導入事例
この導入事例では、Celgene が Amazon Elastic File Service をどのように使用して、R&D ワークロードと多くの重要なアプリケーションのデータを保存しているかをご紹介します。
Illumina の導入事例
この導入事例では、Illimina が AWS 上に BaseSpace Sequence Hub を構築して、データ分析とストレージのコストを大幅に削減した方法をご紹介します。
関連リソース
-
ゲノミクス研究
-
ゲノミクス研究
ゲノム分析は、基礎科学研究をサポートし、臨床試験のコホート選択に役立ち、患者の最適な治療レジメンを予測するための情報を提供します。AWS クラウドは、高速で費用効果の高いゲノム分析に必要な動的なリソースとスケーラビリティをもたらし、インサイトを得るのにかかる時間を短縮します。AWS には、ゲノミクス研究のパイプラインの構築からゲノムに関連する知見の診断治療パターンへの統合に至る分野で、お客様と協力して適切なソリューションをカスタマイズできるパートナーの広範なエコシステムがあります。
導入事例
ベイラーの導入事例
この導入事例では、ベイラー医科大学がテラバイト規模のゲノム配列データを世界中の共同研究者と安全かつ効率的に共有する方法をご紹介します。
Fabric Genomics の導入事例
この導入事例では、Fabric Genomics がどのように AWS スケーラブルコンピューティングオプションを使用して、臨床ラボやライフサイエンス企業にエンドツーエンドのゲノムソリューションを提供しているかをご紹介します。
DNAnexus の導入事例
この導入事例では、DNAnexus が AWS 上のインフォマティクスとデータ管理プラットフォームで大規模なゲノム研究をどのように強化しているかを学びます。
ブログ
このブログでは、AWS と AWS パートナーが White House Precision Medicine Initiative をどのようにサポートしているかをご紹介します。
関連リソース
-
コラボレーションの実現
-
コラボレーションの実現
導入事例
AWS は、さまざまな機関の研究者が個別にアクセスできるようにすることで、例えば製薬会社と委託研究機関 (CRO) の間でグローバルかつ多国間のコラボレーションを促進できます。企業は、AWS のきめ細かいアクセス制御を通じて、また AWS Key Management Service を通じて暗号化キーを作成および取り消すことにより、知的財産を保護できます。同様に、Amazon WorkSpaces は、仮想のクラウドベースの Microsoft Windows または Linux デスクトップをユーザーに提供し、ユーザーが必要なドキュメント、アプリケーション、およびリソースにアクセスできるようにして、新しいコラボレーターのオンボードを支援し、チームをグローバルに拡張できるようにします。
Johnson & Johnson の導入事例
この導入事例では、Johnson & Johnson がクラウドに移行し、そのコンサルタントと従業員にクラウドベースのデスクトップ用に Amazon Workspaces を使用することを含むグローバルIT戦略を再定義することを決めた理由を学びます。
NIH STRIDES のイニシアティブ
このブログでは、AWS と国立衛生研究所がどのように協力して安全な科学的協力を促進しているかをご紹介します。
Celgene の導入事例
この導入事例では、Celgene R&D が Amazon S3 と Amazon Glacier を利用して数百テラバイトのデータを保存し、さまざまな組織の研究者に独立したアクセスを提供することでチームワークを実現する方法を学びます。
AHA の導入事例
この導入事例では、米国心臓協会が AWS で精密医療プラットフォームを構築することにより、心臓血管研究のコラボレーションをどのようにサポートしているかをご紹介します。
関連リソース