Steve Clayton, editor en Next at Microsoft, nos ha traído la noticia del uso de Microsoft Azure para computar grandes volúmenes de datos en la búsqueda de pistas para ayudar a combatir enfermedades como el síndrome bipolar, las enfermedades arteriales coronarias, la hipertensión, la enfermedad de Crohn, la artritis reumatoide, o la diabetes de tipo I y II.
Millones de horas de super computación a demanda
La investigación en estas áreas es notoriamente difícil debido a la exigencia de utilizar una gran cantidad de datos y la posibilidad de falsos positivos derivados de los datos obtenidos de individuos emparentados.
Una técnica y un algoritmo conocido como Modelo Lineal Mixto (LMMS) puede eliminar este problema, pero para ello requiere de una enorme cantidad de tiempo de cómputo y de memoria para ejecutarse.
Para evitar este obstáculo computacional, Microsoft Research ha desarrollado un algoritmo, conocido como Fast-LMM, que amplía la capacidad de detectar nuevas relaciones biológicas mediante el uso de los datos que son varios órdenes de magnitud más grandes. Así se utilizan conjuntos de datos mucho mayores para ser procesados y se consigue, por lo tanto, detectar señales más sutiles dentro de los mismos.
Utilizando Windows Azure, MSR-LMM computó de forma fulgurante los datos proporcionados por Wellcome Trust, llegando a analizar 63.524.915.020 pares de marcadores genéticos. 27.000 CPU se utilizaron durante un período de 72 horas; 1 millón de tareas se consumieron en el equivalente a 1,9 millones de horas de proceso. Si el mismo cálculo hubiese sido ejecutado en un PC de 8 núcleos, habría consumido 25 años en completarse.
Esta es una impresionante demostración de la supercomputación a demanda y del desarrollo de la algoritmia que está disponible, al igual que los resultados, para todo el mundo en la Store de Windows Azure.
Ver 1 comentarios