Pengumpulan, Penyimpanan, dan Pemrosesan Data Ilmu Hayati

Seorang teknisi lab menjalankan percobaan dan hasilnya ditulis ke folder di server file lokal. AWS DataSync Tugas diatur untuk menyinkronkan data dari penyimpanan lokal ke bucket di Amazon Simple Storage Service (Amazon S3).

Data ditransfer AWS Cloud baik melalui internet, atau melalui koneksi langsung latensi rendah yang menghindari internet, seperti AWS Direct Connect.

On-premises peneliti menganalisis data di Amazon S3 dalam alat bioinformatika yang ada dengan menggunakan Network File System (NFS) atau Server Message Block (SMB) melalui Amazon S3 File Gateway.

Entitas mitra seperti organisasi penelitian kontrak (CRO) dapat mengunggah hasil studi ke Amazon S3 dengan menggunakan AWS Transfer Family untuk FTP, SFTP, atau FTPS.

Anda dapat mengoptimalkan penyimpanan dengan menulis instrumen yang menjalankan data ke bucket S3 yang dikonfigurasi untuk akses yang jarang. Identifikasi pola akses penyimpanan S3 Anda untuk mengkonfigurasi kebijakan siklus hidup bucket S3 Anda secara optimal dan mentransfer data ke Amazon Glacier.

Menggunakan Amazon FSx for Lustre, data dibuat dapat diakses oleh komputasi kinerja tinggi (HPC) di cloud untuk genomik, pencitraan, dan beban kerja intensif lainnya untuk menyediakan sistem file bersama latensi milidetik rendah.

Beban kerja riset HPC diatur di cloud dengan AWS Step Functions dan AWS Batch, untuk komputasi unit pemrosesan pusat (CPU) dan unit pemrosesan grafis (GPU) fleksibel pada instans Amazon Elastic Compute Cloud (Amazon EC2) atau wadah Amazon Elastic Container Service (Amazon ECS).

Pembelajaran mesin dilakukan dengan perangkat kecerdasan buatan dan pembelajaran mesin (AI/ML) umum yang menggunakan Amazon SageMaker AI untuk rekayasa fitur, pelabelan data, pelatihan model, penerapan, dan operasi ML. Amazon Athena digunakan untuk kueri SQL fleksibel dengan alat yang ada.