High-performance computing on the cloud facilitates gene sequencing

01 Sunrise Biotech の紹介

単一細胞技術に特化したバイオテクノロジー企業である Sunrise Biotech は、2018 年に創業チームと会社が正式に設立され、事業運営を開始しました。独自開発の高スループット単一細胞プロダクト実験およびバイオインフォマティクス解析のフルチェーンサービスを通じて、単一細胞技術の普及を推進し、臨床診断および創薬研究開発を支援するとともに、プレシジョンメディシンを 2.0 時代へと導くことを目指しています。

2018 年に北京大学の医療産業パークで設立された同スタートアップは、2022 年 1 月にシリーズ D の資金調達を完了し、上海、広州、成都に現地ラボを設立しました。臨床および科学研究者の実際のニーズに向き合い、試料保存、細胞解離からバイオインフォマティクス解析に至る単一細胞シーケンシングのフルチェーンプロダクトとサービスソリューションを構築しています。顧客は上海、広州、または成都のラボに検体を送付します。

検体を受領した後、ラボ内で実験によるシーケンス処理および信号増幅が行われ、分子の環状増幅により各分子と細胞にラベリングを施します。これにより、検出された分子がどの細胞と遺伝子に由来するかを特定できます。その後、物流を経て北京に送られシーケンシングが行われます。シーケンシング結果は Alibaba Cloud OSS にアップロードされて原因探索に利用されるか、専用回線を通じてローカルにダウンロードされた後、単一細胞解析が実行されます。

02 単一細胞シーケンシングとその課題

単一細胞シーケンシングは、2009 年に初めて導入された技術であり、ライフサイエンス分野で最も注目されている基礎研究の一つです。2013 年には単一細胞 RNA シーケンシングが Nature Methods によりその年のテクノロジーに選出され、2015 年には単一細胞シーケンシング技術が Science Translational Medicine の表紙を再び飾りました。

単一細胞シーケンシングは、その名の通り、単一細胞レベルで細胞の遺伝子発現やその他の情報を検出する技術です。多細胞生物において、細胞間には差異が存在します。

従来のシーケンシング研究では、臓器や組織レベルに限定され、細胞集団の発現レベルに基づく最終的な信号値しか得られず、個々の細胞の情報が失われていました。単一細胞シーケンシングは、より高い解像度で細胞間の差異とその機能環境を明らかにし、細胞の個体差が平均化されてしまうことを防ぎます。

この技術は基礎科学研究、臨床診断、新薬研究開発などの分野で応用されています。遺伝子シーケンシングは効率的な医療支援手段として、先天異常の予防、遺伝性疾患の検出、腫瘍薬剤などの分野で有効な支援を提供しています。

単一細胞シーケンシング技術の急速な発展は、Sunrise Biotech の事業立ち上げにも貢献しました。2021 年 3 月の商用販売開始以来、同社は 100 社の顧客と科学研究の協力関係を築いています。画面左側の典型的な単一細胞データ解析のフローチャートからわかるように、単一細胞シーケンシングの最終ステップであるデータ解析フェーズでは、単一細胞シーケンシングデータに対するデータ前処理が必要です。

具体的には、品質管理、正規化、データ補正、特徴量選択、クラスター分析、軌跡解析、発現変動解析、遺伝子ダイナミクス、準安定状態解析、成分分析などが挙げられます。1 回の単一細胞シーケンシングのファイルサイズだけで 100 GB 以上に達することがあり、単一細胞プロジェクトに含まれるサンプル数が増えるにつれ、細胞データは数百 GB から TB レベルにまで達することも珍しくありません。

また、単一細胞データの解析は複雑で、データの読み込みとパラメータ調整を繰り返す必要があります。その結果、大量の細胞サンプルを処理する解析タスクは、通常、数時間から数日の完了時間を要します。

サンプル数が増加すると、サンプル間でさまざまな相関分析やより複雑な計算を行う必要が生じます。コンピューティングパワーの消費は非常に大きくなり、コンピューティングパワーへの要件も高くなります。

大量のデータと解析の複雑さは、タスクの同時実行性の低下とデータ読み込み速度の低下を招きます。さらに、バイオインフォマティクス業界にはプロセス全体をカバーするオープンソースソフトウェアが不足しており、通常、バイオコンピューティングプロジェクトでは複数のソフトウェアの連携が必要です。単一細胞検出コストの漸減と応用範囲の拡大に伴い、バイオインフォマティクスデータは指数関数的に増加していきます。

バイオインフォマティクス解析では通常、サンプルのパラメータを削減するか、比較的大規模な単一細胞解析タスクを単独で実行します。しかし、複数のシーケンシングタスクが存在する場合、複数の単一細胞解析プロジェクトはキューイングして順次実行するしかありません。

03 E-HPC をベースとした大容量メモリインスタンスソリューション

上記の課題を解決するため、Alibaba Cloud は Sunrise Biotech 向けに E-HPC をベースとした大容量メモリインスタンスソリューションを構築しました。本ソリューションは主に 3 つの部分で構成されます。第 1 の部分は大容量メモリクラウドインスタンスで、パートナー企業が提供するメモリ仮想化ソフトウェアと組み合わせて利用します。

2017 年に Intel Optane SSD が登場し、2020 年には Intel が Optane Persistent Memory 100 シリーズをリリースして大規模商用化を達成しました。2021 年には第 3 世代 Intel Xeon スケーラブルプロセッサと Intel Optane Persistent Memory 200 シリーズがリリースされ、同年、Alibaba Cloud はこれらのプロダクトをベースに、より強力な異なるインスタンス仕様を開発しました。

その中でも I4P は極めて低いローカルディスクレイテンシを実現し、170 ナノ秒まで短縮できます。IO 負荷の高いアプリケーションに非常に適しており、このようなアプリケーションのパフォーマンスボトルネックの突破を支援します。

Sunrise Biotech の単一細胞シーケンシング解析タスクは、第 3 世代 Intel Xeon スケーラブルプロセッサおよび第 2 世代 Intel Optane Persistent Memory を搭載した I4P パーシステントメモリ型インスタンスにデプロイされています。メモリハードウェア仮想化の先駆的ソフトウェアである Memory Machine により、容量、パフォーマンス、可用性、モビリティの各観点でリソースを細やかに管理します。

透過的なメモリサービスに加え、業界初の技術である Zero Io Memory Snapshot も提供されています。この技術により、テラバイト規模のアプリケーション状態を数秒でカプセル化し、メモリ速度でのデータ管理を実現できます。

第 2 の部分は、Alibaba Cloud の Compute Nest モデルです。クラウドベンダーがエンタープライズアプリケーションサービスプロバイダー向けに PaaS プラットフォームを開放し、顧客のサービス管理を支援します。Alibaba Cloud は Memory Machine の大容量メモリ仮想化ソフトウェアとクラウドプラットフォームの標準化された統合を実現し、ソフトウェアのデリバリーとデプロイを加速するとともに、運用保守管理を標準化し、ビジネス効率を大幅に向上させています。

第 3 の部分は、Alibaba Cloud の弾力的なハイパフォーマンスコンピューティングプラットフォーム E-HPC です。E-HPC は、基盤の生物学的解析タスクが使用するさまざまな仕様の ECS およびストレージインスタンスを自動的に管理・スケジュールします。ライフサイエンス関連のソフトウェアとその動作環境をワンクリックでインストール・デプロイできます。

ビジネスのピーク時には自動的にリソースを拡張し、閑散時には縮小することで、リソースの無駄を回避し、運用保守コストを大幅に削減します。さらに、E-HPC は HPC とソフトウェアをワンクリックでデプロイでき、各インスタンスに個別にソフトウェアをインストールする手間を省きます。

Alibaba Cloud の大容量メモリインスタンスソリューションは、次の 4 つの側面で Sunrise Biotech のビジネスを支援します。

第 1 に、高速な計算。E-HPC ソリューションは、ジョブの投入、モニタリング、計算のプロセスを簡素化します。データの読み込みとエクスポートのパフォーマンスは 1,000 秒から 2.5 秒に短縮され、単一タスクのサンプルサイズは従来の 2 倍になりました。実行時間は単一タスクとほぼ同等でありながら、正常に完了したシーケンシングタスク数は 1 から 5 に増加し、タスク処理効率は 5 倍に向上しました。

第 2 に、低コスト。E-HPC は全体のコンピューティングパワーを確保しつつ、コンピューティングノードを動的に作成・削除することでリソースの無駄を回避します。ジョブの品質と速度を向上させ、豊富なクラウドネイティブ機能を備え、ECS のプリエンプティブルインスタンスや OSS のコールドアーカイブにも対応しています。複数の決済モードにより、ビジネスニーズとデータストレージのパフォーマンスおよびライフサイクルに合わせて、コストベースの細かな調整が可能です。

第 3 に、運用保守の簡素化。E-HPC は基盤で使用されるさまざまな仕様の ECS インスタンスを自動的に管理・スケジュールします。ライフサイエンス関連の HPC ソフトウェアとその動作環境をワンクリックでインストール・デプロイできます。MemVerge ソフトウェアとの連携によりインスタンスを自動管理し、運用保守コストを大幅に削減します。Alibaba Cloud は Memory Machine の大容量メモリ仮想化ソフトウェアとクラウドプラットフォームの標準化された統合を通じて、ソフトウェアのデリバリーとデプロイを加速し、運用保守管理を標準化することで、ビジネス効率を大幅に向上させています。

第 4 に、エコシステム支援。Alibaba Cloud は長年バイオインフォマティクス業界に深く携わり、多様なサービスソリューションと顧客リソースを構築しており、バイオテクノロジー企業のサプライチェーン連携をより強力にサポートできます。Alibaba Cloud 上で単一細胞解析プラットフォームを開発し、科学研究ユーザーや創薬研究ユーザーに単一細胞データの解析機能を直接提供しています。