생명과학 데이터 수집, 저장 및 처리

랩 기술자가 실험을 실행하면 결과가 온프레미스 파일 서버의 폴더에 기록됩니다. 로컬 스토리지의 데이터를 Amazon Simple Storage Service(Amazon S3)의 버킷에 동기화하도록 AWS DataSync 작업이 설정됩니다.

데이터는 인터넷을 AWS 클라우드 통해 또는와 같이 인터넷을 방지하는 지연 시간이 짧은 직접 연결을 통해 로 전송됩니다 AWS Direct Connect.

온프레미스 연구원은 Amazon S3 File Gateway를 통해 NFS(Network File System) 또는 SMB(Server Message Block)를 사용하여 기존 생물 정보학 도구에서 Amazon S3의 데이터를 분석합니다.

CRO(계약 연구 조직)와 같은 파트너 엔터티는 FTP, SFTP 또는 FTPS AWS Transfer Family 에를 사용하여 Amazon S3에 연구 결과를 업로드할 수 있습니다.

자주 액세스하지 않도록 구성된 S3 버킷에 데이터를 실행하는 도구를 작성하여 스토리지를 최적화할 수 있습니다. S3 버킷 수명 주기 정책을 최적으로 구성하고 데이터를 전송할 S3 스토리지 액세스 패턴을 식별합니다 Amazon Glacier.

Amazon FSx for Lustre를 사용하면 게놈학, 이미징 및 기타 집약적인 워크로드를 위해 클라우드의 고성능 컴퓨팅(HPC)에 데이터에 액세스하여 밀리초 미만의 지연 시간을 제공하는 공유 파일 시스템을 제공할 수 있습니다.

연구 HPC 워크로드는 Amazon Elastic Compute Cloud(Amazon EC2) 인스턴스 또는 Amazon Elastic Container Service(Amazon ECS) 컨테이너에서 유연한 중앙 처리 장치(CPU) 및 그래픽 처리 장치(GPU) 컴퓨팅 AWS Batch을 위해 AWS Step Functions 및를 사용하여 클라우드에서 오케스트레이션됩니다.

기계 학습은 특성 엔지니어링, 데이터 레이블 지정, 모델 훈련, 배포 및 ML 작업에 Amazon SageMaker AI를 사용하는 일반적인 인공 지능 및 기계 학습(AI/ML) 툴킷을 사용하여 수행됩니다. Amazon Athena는 기존 도구를 사용하는 유연한 SQL 쿼리에 사용됩니다.