Le cloud basé sur HPC aide les scientifiques à faire avancer les soins de santé

AWS fournit des ressources HPC sur demande pour les chercheurs médicaux

Bien que les avantages du cluster professionnel, le réglage du cluster HPC traditionnel peut prendre jusqu’à sept ou huit mois. À un moment où l’organisation acquiert le matériel nécessaire et le définit, la technologie peut être obsolète. Sans oublier que les unités de traitement graphique nécessaires peuvent être difficiles à obtenir. L’utilisation des services HPC via AWS garantit que l’organisation a immédiatement accès au dernier matériel, selon le XU.

AWS offre plusieurs options aux organisations médicales en termes de HPC. AWS Parallel Computing Service est un outil Linux simple entièrement géré pour la gestion des ressources. Le chercheur peut créer un cluster Slurm qui répond à ses spécifications, telles que les types de processeurs et les besoins de latence, dans les 20 minutes. L’utilisateur peut contrôler les nœuds informatiques et créer eux-mêmes les groupes de nœuds. De plus, l’utilisateur peut exécuter une application native ou exécuter des applications conteneurisées sur AWS avec Slurm Planner.

“Vous pouvez créer un environnement informatique qui peut atteindre 100 000 processeurs, mais si vous ne demandez que deux CPU, vous serez facturé pour cela”, a déclaré Xu. “C’est sur demande. Vous payez ce que vous utilisez.”

AWS ParallelCluster est un service alternatif pour les chercheurs qui souhaitent un contrôle total sur le planificateur Slurm et ses plug-ins. Il s’agit d’une solution open source qui permet à l’utilisateur de créer un cluster HPC entièrement adapté dans le cloud qui est géré.

Les scientifiques peuvent choisir parmi plus de 800 instances HPC. Des sources telles qu’Amazon FSX pour les fichiers Luster et Amazon sont d’autres sources qui aident les objectifs HPC.

“Nous ne voulons pas que vous perdiez des ressources, donc vous ne payez que pour ce que vous utilisez”, a déclaré Xu.

En rapport: Suivez trois étapes et déployez avec succès un calcul de performance haute.

Le NIH utilise le HPC pour mieux comprendre les protéines des maladies cardiovasculaires

La maladie cardiovasculaire est une cause mondiale de mortalité humaine. En 2019, 18,6 millions de personnes sont mortes de cette maladie dans le monde. Le fait d’avoir une grande quantité de lipoprotéines à faible densité augmente le risque de maladie cardiovasculaire. Les particules LDL peuvent s’accumuler dans le sang, stocker sur les parois des artères et former des plaques, ce qui pourrait entraîner une crise cardiaque ou un accident vasculaire cérébral.

Aux États-Unis, selon Marcotrigiana, 30% à 40% de la population âgée de 50 ans sont des statines pour traiter le cholestérol élevé. Les statines fonctionnent en ciblant le récepteur, pas la particule elle-même. Pour en savoir plus sur les particules, les scientifiques ont récemment utilisé le HPC et la microscopie cryo-électronique pour modéliser les particules LDL, un processus que les gens considéraient autrefois impossible, a déclaré Marcotrigiano.

La modélisation des particules elles-mêmes nécessitait une énorme quantité de données. Un ensemble de données comprenait 35 000 films et environ 17,5 données tertiales. Les films devaient également être compressés en images à haute résolution. Les scientifiques ont aligné des particules en fonction des similitudes et des différences, classent les particules de l’échantillon à l’aide de systèmes 2D et 3D.

En conséquence, les scientifiques ont une meilleure compréhension de la façon dont les particules se lient aux récepteurs, qui seront utiles dans le développement de nouvelles thérapies qui se concentrent davantage sur la particule elle-même que sur les récepteurs.

“Le seul endroit que nous aurions pu faire était dans le cloud”, a déclaré Marcotrigiano, ajoutant que NIH a utilisé Amazon FSX pour Luster et plusieurs GPU pour traiter et stocker des données pour ce projet.