Google vuole memorizzare il tuo genoma

Google si avvicina a ospedali e università con un nuovo passo. Hai genomi? Conservali con noi.

Il primo prodotto del gigante della ricerca per l'era del DNA è Google Genomics, un servizio di cloud computing che è stato lanciato lo scorso marzo ma è passato per lo più inosservato in mezzo a una raffica di annunci di ricerca e sviluppo di alto profilo da parte di Google, come uno alla fine del mese scorso su un piano inverosimile per combattere cancro con nanoparticelle (vedi Google può usare le nanoparticelle per cercare il cancro?).

Google Genomics potrebbe rivelarsi più significativo di qualsiasi di questi scatti lunari. Collegare e confrontare i genomi a migliaia, e presto a milioni, è ciò che spingerà le scoperte mediche per il prossimo decennio. La domanda su chi memorizzerà i dati è già un punto di crescente concorrenza tra Amazon, Google, IBM e Microsoft.

Google ha iniziato a lavorare su Google Genomics 18 mesi fa, incontrando scienziati e costruendo un'interfaccia, o API, che consente loro di spostare i dati del DNA nelle sue server farm e di fare esperimenti lì utilizzando la stessa tecnologia di database che indicizza il Web e tiene traccia di miliardi di utenti di Internet .

Abbiamo visto biologi passare dallo studio di un genoma alla volta allo studio di milioni, afferma David Glazer, l'ingegnere del software che ha guidato lo sforzo e in precedenza era a capo dell'ingegneria della piattaforma per Google+, il social network. L'opportunità è come applicare le innovazioni nella tecnologia dei dati per aiutare con questa transizione.

Alcuni scienziati si fanno beffe del fatto che i dati sul genoma rimangano troppo complessi per essere aiutati da Google. Ma altri vedono arrivare un grande cambiamento. Quando Atul Butte, un esperto di bioinformatica di Stanford, ha sentito Google presentare i suoi piani quest'anno, ha osservato che ora ha capito come si sono sentiti gli agenti di viaggio quando hanno visto Expedia.

L'esplosione di dati sta avvenendo quando i laboratori adottano nuove apparecchiature ancora più veloci per la decodifica del DNA. Ad esempio, il Broad Institute di Cambridge, Massachusetts, ha affermato che durante il mese di ottobre ha decodificato l'equivalente di un genoma umano ogni 32 minuti. Ciò si è tradotto in circa 200 terabyte di dati grezzi.

Questo flusso di dati è inferiore a quello che viene normalmente gestito dalle grandi società Internet (in due mesi, Broad produrrà l'equivalente di ciò che viene caricato su YouTube in un giorno), ma supera qualsiasi cosa i biologi abbiano affrontato. Ciò richiede ora un ampio sforzo per archiviare e accedere ai dati in posizioni centrali, spesso commerciali. Il National Cancer Institute ha dichiarato il mese scorso che pagherebbe 19 milioni di dollari per spostare le copie dell'Atlante del genoma del cancro da 2,6 petabyte nel cloud. Copie dei dati, provenienti da diverse migliaia di malati di cancro, risiederanno sia presso Google Genomics che nei data center di Amazon.

L'idea è di creare nuvole del genoma del cancro in cui gli scienziati possono condividere informazioni ed eseguire rapidamente esperimenti virtuali con la stessa facilità di una ricerca sul Web, afferma Sheila Reynolds, ricercatrice presso l'Institute for Systems Biology di Seattle. Non tutti hanno la capacità di scaricare un petabyte di dati, o hanno la potenza di calcolo per lavorarci, dice.

Anche accelerare il trasferimento dei dati del DNA nel cloud è stata una guerra dei prezzi durata un anno tra Google e Amazon. Google afferma che ora addebita circa $ 25 all'anno per archiviare un genoma e altro per eseguire calcoli su di esso. I dati scientifici grezzi che rappresentano il genoma di una singola persona hanno una dimensione di circa 100 gigabyte, sebbene una versione raffinata del codice genetico di una persona sia molto più piccola, meno di un gigabyte. Ciò costerebbe solo $ 0,25 centesimi all'anno.

Il cloud storage sta dando una spinta a startup come Tute Genomics, DNANexus, Seven Bridges e NextCode Health. Queste aziende creano browser che ospedali e scienziati possono utilizzare per esplorare i dati genetici. Google o Amazon è un back-end. Stanno dicendo: 'Ehi, puoi costruire un'azienda di genomica nel nostro cloud', afferma Deniz Kural, CEO di Seven Bridges, che archivia i dati del genoma per conto di 1.600 ricercatori nel cloud di Amazon.

Il punto più importante, dice, è che presto la medicina farà affidamento su una sorta di Internet-of-DNA globale che i medici saranno in grado di cercare. Il nostro punto di vista a volo d'uccello è che se dovessi ammalarmi di cancro ai polmoni in futuro, i medici metteranno in sequenza il mio genoma e il genoma del mio tumore, e quindi li interrogheranno su un database di 50 milioni di altri genomi, dice. Il risultato sarà 'Ehi, ecco il farmaco che funzionerà meglio per te'.

In Google, Glazer afferma di aver iniziato a lavorare su Google Genomics quando è diventato chiaro che la biologia sarebbe passata dalla produzione di dati artigianale a quella su scala industriale. Ha iniziato insegnando da solo la genetica, prendendo un corso online, Introduzione alla biologia, tenuto dal capo di Broad, Eric Lander. Ha anche sequenziato il suo genoma e lo ha messo sul cloud di Google.

Glazer non direbbe quanto sia grande Google Genomics o quanti clienti abbia ora, ma almeno 3.500 genomi di progetti pubblici sono già archiviati sui server di Google. Dice anche che non c'è ancora alcun collegamento, al momento, tra il cloud di Google e i suoi sforzi più speculativi nell'assistenza sanitaria, come la società Google avviata quest'anno, chiamata Calico, per indagare su come prolungare la durata della vita umana. Ciò che li collega è solo una crescente consapevolezza che la tecnologia può far avanzare lo stato dell'arte nelle scienze della vita, afferma Glazer.

Somalee Datta, una fisica che gestisce il più grande cluster di computer per dati genetici della Stanford University, afferma che a causa dei recenti tagli dei prezzi, ora archiviare i genomi con Google o Amazon costa lo stesso che nel suo stesso data center. I prezzi stanno finalmente diventando ragionevoli e pensiamo che continueranno a scendere, dice.

Datta afferma che alcuni scienziati di Stanford hanno iniziato a utilizzare un sistema di database di Google, BigQuery, che il team di Glazer ha reso compatibile con i dati del genoma. È stato sviluppato per analizzare grandi database di spam, documenti web o acquisti dei consumatori. Ma può anche eseguire rapidamente esperimenti molto grandi confrontando migliaia, o decine di migliaia, di genomi di persone che i ricercatori vogliono provare. A volte vogliono fare cose pazze e per farlo è necessaria la scalabilità, dice Datta. Può gestire la scala che la genetica può portare, quindi è la tecnologia giusta per un nuovo problema.

nascondere