En su discurso de aceptación del Premio Nobel en 1980, el pionero de la genómica Fred Sanger describió la ciencia como «un viaje de descubrimiento a tierras desconocidas, en busca no de nuevos territorios, sino de nuevos conocimientos». Es justo decir que el viaje del renombrado químico fue más azaroso que el de la mayoría.

Galardonado por primera vez con el Nobel en 1958 por su trabajo en la identificación de la estructura de las proteínas, Sanger repitió la hazaña 22 años después, al recibir el premio por desarrollar la primera técnica de secuenciación del ADN, un avance clave en el campo de la genómica. Sigue siendo uno de los pocos científicos que ha ganado dos veces el Premio Nobel en la misma categoría, y su técnica, modestamente denominada «secuenciación Sanger», sigue utilizándose en muchos laboratorios 45 años después.

Otro de los legados perdurables de Sanger es el instituto de investigación que lleva su nombre. Con sede en el Wellcome Genome Campus, a pocos kilómetros de los laboratorios de la Universidad de Cambridge donde Sanger realizó gran parte de su innovador trabajo, el Wellcome Sanger Institute lleva a cabo proyectos de investigación en genómica y genética y es una de las instituciones de investigación independientes más grandes de Europa. Fundado en 1992, formó parte del Proyecto Genoma Humano, un esfuerzo internacional de 13 años para mapear el primer genoma humano que concluyó con éxito en 2000. Veinticinco años después, los científicos del Instituto Sanger pueden realizar la misma tarea que llevó más de una década para alcanzar el estándar de oro en menos de 12 minutos.

Este espectacular avance científico ha traído consigo una gran cantidad de datos que deben almacenarse, procesarse y analizarse, por lo que el instituto ha estado desarrollando su infraestructura digital a un ritmo rápido para hacer frente a los avances en la secuenciación.

El Instituto Sanger no solo ha duplicado la cantidad de GPU disponibles para sus investigadores, sino que lo ha conseguido reduciendo en un tercio el consumo energético de su centro de datos. DCD visitó el Campus Genómico para obtener más información.

Gene-ius

El aumento del volumen de trabajo que se está llevando a cabo en el campus ha superado las expectativas de Simon Binley. Como director de operaciones del centro de datos del Instituto Sanger, Binley supervisa la infraestructura informática del instituto y afirma que los últimos cinco años han sido una vorágine.

«Previmos un crecimiento general, pero la enorme cantidad de secuenciación que hemos llevado a cabo desde 2019 es asombrosa», afirma Binley. «Tenemos que estar a la altura, y ha sido todo un reto. Hemos implementado más software, más hardware de almacenamiento y más hardware informático para satisfacer esa demanda».

Ese periodo abarcó la pandemia de COVID-19, durante la cual el Instituto Sanger fue el centro neurálgico para cartografiar las variantes del coronavirus, secuenciando decenas de miles de muestras de pacientes de todo el Reino Unido y otros países.

Aunque el trabajo que se lleva a cabo actualmente en la institución es algo más rutinario, requiere una gran potencia de cálculo y un parque informático flexible. Sanger invierte constantemente en nuevas máquinas de secuenciación de diversos proveedores, entre ellos Illumina, PacBio y Ultima Genomics, y todas ellas tienen sus propios requisitos de software específicos, afirma Binley.

«Se ha producido una sinergia, ya que la tecnología de secuenciación ha avanzado a un ritmo casi idéntico al de la tecnología informática», afirma. «Desde nuestro punto de vista, eso ha sido positivo, porque si la secuenciación hubiera superado a la informática, nos habríamos visto en apuros.

«En lo que respecta a la secuenciación, somos agnósticos en cuanto a la tecnología, y muchas de las máquinas innovadoras que están apareciendo utilizan software más nuevo, por lo que tenemos que incorporar estos nuevos elementos y crear un canal para apoyar esa actividad científica. Hemos realizado una gran inversión para satisfacer la demanda».

Las máquinas de secuenciación del campus producen hasta 4 TB de datos al día, lo que mantiene muy ocupados a Binley y a su equipo. Cuentan con un centro de datos de 4,5 MW en las instalaciones, con más de 400 racks repartidos en cuatro salas de datos, que utilizan sistemas de refrigeración tanto por aire como por líquido. Dado que la inteligencia artificial desempeña un papel cada vez más importante en las ciencias de la vida, el campus se ha sumado a la carrera por conseguir el hardware más avanzado y ha aumentado en un 50 % la potencia computacional disponible para sus investigadores desde la pandemia.

Entre sus nuevos y brillantes juguetes se encuentra un sistema Nvidia DGX, que el instituto utiliza junto con el software Parabricks del proveedor para la investigación genómica. Un blog de Nvidia del año pasado detallaba cómo los científicos de Sanger implementaron el sistema DGX para llevar a cabo un tipo específico de análisis utilizando el flujo de trabajo CaVEMen, propiedad del instituto, diseñado para detectar mutaciones en genomas cancerosos. Al utilizar DGX, los investigadores pudieron reducir el tiempo de ejecución en 1,6 veces, los costes en 24 veces y el consumo de energía hasta en 42 veces, en comparación con la ejecución del proceso en la configuración estándar de 128 servidores con CPU de doble socket.

Aumento de la eficiencia

Estas ganancias en eficiencia son vitales en un entorno de investigación, donde los fondos suelen ser limitados. Además de contribuir a la sostenibilidad general del centro de datos, mantener los costes bajos permite destinar más dinero a la ciencia, que es el núcleo de la misión del Instituto Sanger.

Binley y su equipo han estado trabajando con EfficiencyIT, especialista en diseño de centros de datos, para garantizar que los centros de datos del instituto funcionen con la mayor eficacia posible. Mediante la instalación del software EcoStruxure IT Advisor de Schneider Electric para la gestión de la infraestructura de centros de datos (DCIM) y más de 300 sistemas de unidades de distribución de energía (PDU) de APC diseñados a medida, las empresas afirman que el consumo energético del centro de datos se ha reducido en un 33 %.

Se instalaron numerosos sensores en todo el centro de datos para recopilar información ambiental y mecánica, que luego se analizó mediante sistemas de análisis de datos basados en el aprendizaje automático para ayudar a eliminar la capacidad ociosa y gestionar los gastos operativos.

Nick Ewing, director general de EfficiencyIT, afirma: «Simon necesitaba más información sobre el centro de datos, por lo que diseñamos una PDU personalizada con Schneider que pudimos instalar sin ningún tiempo de inactividad. A continuación, colocamos sensores físicos en las unidades de refrigeración y los racks para comprender las métricas básicas del entorno de refrigeración, y disponemos de medición y supervisión eléctricas completas en todos los subsistemas eléctricos y PDU».

Además de esta infraestructura física, se ha desplegado una serie de «sensores virtuales» mediante software, lo que significa que el equipo de TI del Instituto «puede crear grupos de alimentación virtuales para diferentes sistemas», afirma Ewing.

Estos grupos de alimentación virtuales han sido fundamentales para el esfuerzo de eficiencia, añade. Refiriéndose a la variedad de máquinas de secuenciación desplegadas en el campus, Ewing explica: «Muchos de los investigadores del Instituto Sanger están tomando decisiones sobre qué plataformas de hardware utilizar, por lo que si tenemos dos plataformas que realizan el mismo tipo de secuenciación, podemos supervisarlas y ver cuál de ellas funciona de forma más eficiente.

«Ahí es donde la institución probablemente está obteniendo la mayor parte de su ahorro energético: eligiendo las plataformas tecnológicas que apoyan la ciencia de la forma más eficiente posible».

Trazando el futuro

Los sensores virtuales, gestionados a través de EcoStruxure DCIM, también desempeñan un papel importante a medida que crece el centro de datos, afirma Ewing.

«Ayudan a planificar la capacidad a medida que se traslada más infraestructura a los entornos», explica. «Ayudan a determinar dónde hay capacidad de red o energía disponible y si la infraestructura encajará dentro de los límites físicos del centro de datos».

La sensibilidad de algunos equipos de secuenciación implica que deben ubicarse muy cerca de los servidores que procesan sus datos, añade Ewing. «Estamos hablando de una distancia de entre 50 y 150 metros, por lo que la planificación del espacio y la capacidad son de vital importancia», afirma.

Este requisito de que los recursos informáticos se encuentren cerca del laboratorio es una de las razones por las que el Instituto Sanger no tiene planes de adoptar la nube, explica Binley.

«La proximidad es fundamental», afirma. «Estamos descargando toda esa información en el centro de datos para su almacenamiento y análisis primario rápido. La nube ha tenido un impacto significativo en el mundo de la informática, pero no es para nosotros, entre otras cosas porque necesitaríamos 124 petabytes de almacenamiento. ¿Se imagina cuánto costaría eso? Estaríamos constantemente introduciendo y sacando datos, por lo que los costes de entrada y salida serían significativos».

En lugar de acumular la factura de AWS más grande del mundo, el Instituto Sanger tiene la intención de ampliar su infraestructura de centro de datos local cuando sea necesario.

«El campus tiene una potencia de 11 MW y disponemos de 4,5 MW para el centro de datos, que aún no utilizamos en su totalidad», afirma Binley. «Es un activo enorme, ya que queremos expandirnos y crecer, y esperamos volver a hacerlo en los próximos años».

Los planes de ampliación del Campus Genómico podrían contribuir a la causa de Binley. Se ha concedido el permiso para la primera fase, en la que se construirán dos nuevos edificios. Se espera que el recinto acabe albergando 9000 puestos de trabajo, en lugar de los 3000 que actualmente están relacionados con sus actividades. También se están construyendo más de 1500 nuevas viviendas en la zona, así como una nueva subestación eléctrica.

«Se está hablando de traer otros 33 MVA al otro lado de la carretera, lo que supone una cantidad significativa de energía adicional», afirma Binley. «A medida que la IA se vaya imponiendo, prevemos una mayor necesidad de energía. Diría que podría duplicarse, o incluso triplicarse, en los próximos cinco a diez años, aunque he aprendido con la ciencia que es difícil predecir lo que va a pasar».

Esto nos lleva de vuelta al discurso de Fred Sanger en la cena del Nobel de 1980, donde añadió que la ciencia debería «atraer a aquellos con un buen sentido de la aventura». Sin duda, parece que, en lo que respecta a la IA, las aventuras del Instituto Sanger no han hecho más que empezar.

El artículo apareció por primera vez en el suplemento DCD Life Sciences. Regístrese aquí para leer el suplemento completo de forma gratuita.