Genentech maximiert den Wert klinischer Biomarker-Daten mithilfe von AWS

Wenn die meisten Menschen an translationale Forschung denken, denken sie an die Übersetzung „vom Labortisch zum Krankenbett“ – Erkenntnisse, die im Labor beginnen und schließlich als neue Therapeutika oder Behandlungsstrategien ihren Weg in die Klinik finden. Im Zeitalter von Big Data in den Biowissenschaften können Forscher aber auch über eine „Rückübersetzung“ nachdenken, bei der in der Klinik gesammelte Informationen zu neuen Entdeckungen im Labor führen. Um diese Erkenntnisse zu gewinnen, müssen die klinischen Daten jedoch sicher, zugänglich, stabil und durchsuchbar sein – oft leichter gesagt als getan. 

„Man muss über die richtigen qualitativ hochwertigen Daten verfügen. Wenn man einen Haufen Mülldaten in einen ausgeklügelten Analysealgorithmus steckt, wird man immer noch Müll herausbekommen“, sagte Christina Lu, Leiterin der Abteilung Datenmanagement und Technik, Development Sciences Informatics bei Genentech. 

Genentech, ein Unternehmen der Roche-Gruppe, ist ein führendes Biotechnologie- und Pharmaunternehmen. Es hat eine Fülle realer biologischer Daten aus jahrelangen klinischen Studien und Forschungen gesammelt. Im Jahr 2017 implementierte die Entwicklungswissenschaftsgruppe von Genentech eine Strategie zur Optimierung dieser Daten für Forschung und Entwicklung. Ziel war es, wichtige Fragen wie „Was ist unser nächstes Arzneimittelziel?“ und „Wie können Daten aus abgeschlossenen klinischen Studien zukünftige Studienplanungen beeinflussen?“ zu beantworten. Diese Strategie beinhaltete den Aufbau eines Datenökosystems auf AWS-Plattformen, um Daten rückwirkend in durchsuchbaren Repositorys zu kuratieren und Tools und Prozesse für das zukünftige Datenmanagement einzuführen.

„Wir befinden uns an einem Wendepunkt in der klinischen Forschung – wenn man jetzt nicht über Daten verfügt, verpasst man tatsächlich wichtige Möglichkeiten, neue Behandlungen zu entwickeln und die Patientenversorgung zu verbessern“, sagte Lu. Im Fall von Genentech konzentrieren sich viele dieser Möglichkeiten auf die Analyse von Biomarkern – messbaren Molekülen im menschlichen Körper, die mit bestimmten biologischen Zuständen in Verbindung stehen – um Krankheitsprozesse und molekulare Mechanismen zu verstehen.

Das Ziel, „Daten an Ort und Stelle zu haben“, besteht darin, die Standards für FAIR zu erfüllen: auffindbar, zugänglich, interoperabel und wiederverwendbar (Findable, Accessible, Interoperable, Reusable). In einem Bericht aus dem Jahr 2018 wird geschätzt, dass allein die Wirtschaft der Europäischen Union 10,2 Milliarden Euro pro Jahr durch die Verwendung von Nicht-FAIR-Forschungsdaten einbüßt. Aber so wie es ist, verbringen Datenwissenschaftler bis zu 80 % ihrer Zeit damit, Daten von Hand zu sammeln, zu bereinigen und zu organisieren, obwohl ihr Fachwissen besser in der Erstellung von Modellen oder der Ausführung anderer spezialisierter Aufgaben eingesetzt werden sollte.

„Die Kuration älterer Daten ist kostspielig, zeitaufwändig und nicht skalierbar“, so Lu. Um Kosten zu sparen und Skalierbarkeit und Effizienz zu erreichen, hat Genentech bestehende Biomarker-Daten aus seinem Netzwerk von Auftragsforschungsinstituten (CROs) konsolidiert und in ein gut verwaltetes, zentralisiertes Repository übertragen, das auf Amazon Simple Storage Service (Amazon S3), einem Objektspeicherservice, gehostet wird. Dadurch erhalten Wissenschaftler und externe Forscher von Genentech einen optimierten Zugang zu einer größeren Menge an Informationen, was wiederum Studien, die neue Ziele für Gentherapien oder Krebsmedikamente aufdecken könnten, statistische Aussagekraft verleiht.

„Wenn wir diese Strategien zur Datenkuration prospektiv anwenden können, können wir viel mehr erreichen, um die menschliche Gesundheit zu beeinflussen“, sagte Lu.

„Das Biomarker-Daten-Repository, das wir auf AWS aufgebaut haben, enthält Petabytes an explorativen Biomarker-Daten und bietet eine Schnittstelle, über die Wissenschaftler die Daten, die sie für eine bestimmte Studie benötigen, leicht finden können“, sagte Lu.

Das Biomarker-Repository wird auf Amazon S3 gespeichert, während Amazon Relational Database Service (Amazon RDS), ein verwalteter relationaler Datenbankservice, die zugehörigen Metadaten verarbeitet, wobei die Indexierung und die schnelle Suche durch den Amazon Elasticsearch Service ermöglicht wird. Genentech verwendet das Amazon API Gateway, um APIs zu erstellen, die Forschern bei Bedarf einen sicheren, studienspezifischen Zugriff bieten.

„Dank dieser optimierten Architektur benötigen die Forscher für klinische Datenanalysen, die früher Wochen gedauert haben, jetzt nur noch wenige Stunden“, sagte Lu. „Auf diese Weise sorgen wir dafür, dass jeder Datenpunkt zählt, um dem richtigen Patienten zum richtigen Zeitpunkt das richtige Medikament zu verabreichen.“

Erfahren Sie, wie AWS das Datenmanagement für andere Biowissenschaftsunternehmen transformiert.