Google quiere almacenar tu genoma

Google se acerca a hospitales y universidades con un nuevo lanzamiento. ¿Tienes genomas? Guárdalos con nosotros.

El primer producto del gigante de las búsquedas para la era del ADN es Google Genomics, un servicio de computación en la nube que lanzó en marzo pasado, pero pasó casi desapercibido en medio de un aluvión de anuncios de investigación y desarrollo de alto perfil de Google, como uno a fines del mes pasado sobre un plan descabellado para combatir cáncer con nanopartículas (ver ¿Puede Google usar nanopartículas para buscar cáncer?).

Google Genomics podría resultar más significativo que cualquiera de estos lanzamientos a la luna. Conectar y comparar genomas por miles, y pronto por millones, es lo que impulsará los descubrimientos médicos durante la próxima década. La cuestión de quién almacenará los datos ya es un punto de creciente competencia entre Amazon, Google, IBM y Microsoft.

Google comenzó a trabajar en Google Genomics hace 18 meses, se reunió con científicos y construyó una interfaz, o API, que les permite mover datos de ADN a sus granjas de servidores y hacer experimentos allí utilizando la misma tecnología de base de datos que indexa la Web y rastrea a miles de millones de usuarios de Internet. .

Vimos a biólogos pasar de estudiar un genoma a la vez a estudiar millones, dice David Glazer, el ingeniero de software que dirigió el esfuerzo y anteriormente fue jefe de ingeniería de plataforma para Google+, la red social. La oportunidad es cómo aplicar los avances en tecnología de datos para ayudar con esta transición.

Algunos científicos se burlan de que los datos del genoma siguen siendo demasiado complejos para que Google los ayude. Pero otros ven venir un gran cambio. Cuando Atul Butte, un experto en bioinformática de Stanford, escuchó a Google presentar sus planes para este año, comentó que ahora entendía cómo se sintieron los agentes de viajes cuando vieron a Expedia.

La explosión de datos está ocurriendo a medida que los laboratorios adoptan equipos nuevos e incluso más rápidos para decodificar el ADN. Por ejemplo, el Instituto Broad de Cambridge, Massachusetts, dijo que durante el mes de octubre decodificó el equivalente a un genoma humano cada 32 minutos. Eso se tradujo en unos 200 terabytes de datos sin procesar.

Este flujo de datos es más pequeño que el que manejan habitualmente las grandes empresas de Internet (en dos meses, Broad producirá el equivalente a lo que se sube a YouTube en un día), pero supera todo lo que los biólogos han tratado. Eso ahora está impulsando un gran esfuerzo para almacenar y acceder a datos en ubicaciones centrales, a menudo comerciales. El Instituto Nacional del Cáncer dijo el mes pasado que pagaría 19 millones de dólares para mover copias del Atlas del Genoma del Cáncer de 2,6 petabytes a la nube. Las copias de los datos, de varios miles de pacientes con cáncer, residirán tanto en Google Genomics como en los centros de datos de Amazon.

La idea es crear nubes del genoma del cáncer donde los científicos puedan compartir información y ejecutar rápidamente experimentos virtuales tan fácilmente como una búsqueda en la Web, dice Sheila Reynolds, científica investigadora del Instituto de Biología de Sistemas en Seattle. No todo el mundo tiene la capacidad de descargar un petabyte de datos, o tiene el poder de cómputo para trabajar con ellos, dice ella.

También acelerar el movimiento de los datos de ADN a la nube ha sido una guerra de precios de un año entre Google y Amazon. Google dice que ahora cobra unos 25 dólares al año por almacenar un genoma, y ​​más por hacer cálculos sobre él. Los datos científicos sin procesar que representan el genoma de una sola persona tienen un tamaño de aproximadamente 100 gigabytes, aunque una versión pulida del código genético de una persona es mucho más pequeña, menos de un gigabyte. Eso costaría sólo $0.25 centavos al año.

El almacenamiento en la nube está impulsando nuevas empresas como Tute Genomics, DNANexus, Seven Bridges y NextCode Health. Estas empresas construyen navegadores que los hospitales y los científicos pueden usar para explorar datos genéticos. Google o Amazon es un back-end. Están diciendo: 'Oye, puedes construir una empresa de genómica en nuestra nube', dice Deniz Kural, CEO de Seven Bridges, que almacena datos del genoma en nombre de 1600 investigadores en la nube de Amazon.

El punto más importante, dice, es que la medicina pronto se basará en una especie de Internet global de ADN que los médicos podrán buscar. A vista de pájaro, si tuviera cáncer de pulmón en el futuro, los médicos secuenciarían mi genoma y el genoma de mi tumor, y luego los compararían con una base de datos de otros 50 millones de genomas, dice. El resultado será 'Oye, aquí está el medicamento que funcionará mejor para ti'.

En Google, Glazer dice que comenzó a trabajar en Google Genomics cuando quedó claro que la biología iba a pasar de la producción de datos artesanal a la producción a escala de fábrica. Comenzó aprendiendo genética por sí mismo, tomando una clase en línea, Introducción a la biología, impartida por el jefe de Broad, Eric Lander. También secuenció su genoma y lo puso en la nube de Google.

Glazer no dijo qué tan grande es Google Genomics o cuántos clientes tiene ahora, pero al menos 3500 genomas de proyectos públicos ya están almacenados en los servidores de Google. También dice que, hasta el momento, no existe un vínculo entre la nube de Google y sus esfuerzos más especulativos en el cuidado de la salud, como la compañía que Google comenzó este año, llamada Calico, para investigar cómo extender la vida humana. Lo que los conecta es simplemente una comprensión cada vez mayor de que la tecnología puede hacer avanzar el estado del arte en las ciencias de la vida, dice Glazer.

Somalee Datta, una física que administra el grupo informático más grande de datos genéticos de la Universidad de Stanford, dice que debido a los recientes recortes de precios, ahora cuesta casi lo mismo almacenar genomas con Google o Amazon que en su propio centro de datos. Los precios finalmente se están volviendo razonables y creemos que seguirán bajando, dice.

Datta dice que algunos científicos de Stanford han comenzado a usar un sistema de base de datos de Google, BigQuery, que el equipo de Glazer hizo compatible con los datos del genoma. Fue desarrollado para analizar grandes bases de datos de spam, documentos web o de compras de consumidores. Pero también puede realizar rápidamente los experimentos muy grandes que comparan miles o decenas de miles de genomas de personas que los investigadores quieren probar. A veces quieren hacer cosas locas y necesitas escala para hacer eso, dice Datta. Puede manejar la escala que puede traer la genética, por lo que es la tecnología adecuada para un nuevo problema.

esconder