SAP HANA: Herausforderungen auf dem Weg zur personalisierten Medizin. Matthias Steinbrecher, SAP Innovation Center Potsdam

Transkript

1 SAP HANA: Herausforderungen auf dem Weg zur personalisierten Medizin Matthias Steinbrecher, SAP Innovation Center Potsdam

2 Genomics 2013 SAP AG. All rights reserved. 2

3 Proteomics Chemie-Nobelpreis 2012 Umfassende Protein-Identifikation zur Biomarker-Beschreibung Krebsforschung: Finden von Biomarkern und Drug Targets Studies of G-proteincoupled receptors Source: L. Buchen, Nature SAP AG. All rights reserved. 3

4 Auf dem Weg zur personalisierten Medizin 4 Mia 3 Mia 2 Mia 1 Mia 0 Mia 45% 30% 10% Brustkrebstherapie Ausgaben für nicht notwendige Chemo Quelle: Tosun/Regenbrecht, When Electrons Meet Genomes, Paving the Way for Personalized Medicine, Bionale SAP AG. All rights reserved. 4

5 Projektbeispiele

6 SAP HANA Oncolyzer Ziel - Integrierte Auswertung strukturierter und unstrukturierter Daten - Mobile ad-hoc Auswertungen - Von Kohorten zu personalisierter Medizin Umsetzung - Internationale Forschungsinitiative zum Austausch von Tumordaten - Interdisziplinäre Kooperation von Medizinern, med. Forschern und Softwareingenieuren CeBIT 2012 DKOM SAP AG. All rights reserved. 6

7 Pilotprojekt Oncolyzer Unterstützung für Tumorforschung und Patientenzentrierte Sicht Suche in strukturierten und unstrukturierten Daten On-the-Fly -Analysen (Kohorten-Statistiken, etc.) Anwendung für die Forschung Suche nach neuen Hypothesen und geeigneten Patienten für klinische Studien, Drilldown bis in Patientenakte Echtzeit-Analyse nach frei wählbaren Kriterien wie Krebsart, Verlauf, Therapie, Alter oder Geschlecht 2013 SAP AG. All rights reserved. 7

8 Virtual Patient Platform

9 Darstellung des virtuellen Patienten Simulations - modell Klassische Patientendaten Molekulare Patientendaten 2013 SAP AG. All rights reserved. 9

10 Herausforderungen in der personalisierten Medizin Wirklich Big Data Kombinatorische Explosion: Molekülarten 100 Wirkstoffe 10 Konzentrationen 100 Parametermengen = 100,000,000 Werte pro Patient! Planung notwendig, um Datenmengen dieser Größenordnung zu analysieren Wohldesignte strukturierte Datenbanken notwendig Parallele Analysen Spezialisierte Datenanalyse Biologische Abhängigkeiten aufdecken oder charakterisieren Massendten-Visualisierung Umgang mit Unsicherheit und Vagheit 2013 SAP AG. All rights reserved. 10

11 Proteome-based Cancer Diagnostics

12 Proteome-based Cancer Diagnostics Medizinischer Hintergrund: Proteom = Gesamtheit aller menschlichen Proteine (zum Zeitpunkt der Probenentnahme) Specific protein patterns are indicators for diseases, e.g. cancer and kidney diseases 26 CHAPTER 3. MATHEMATICAL MODELING AND ALGORITHMS Mass spectrometer MALDI-TOF Mission: Mit SAP HANA die Analyse dieser Daten beschleunigen Analytisches Problem: Muster erkennen, die Krankheiten anzeigen könenn (z.b. Krebs) Figure 3.2.2: Basics of a modern MALDI-TOF mass spectrometer. (1): Laser, (2) Sample Slide, (3) Acceleration Chamber, (4) Drift region, (5) Detector. (Picture modified from (Finnigan, 2007).) a laser (1) and the mat rix/sample mixture (2), serving as the ion source, a time-of-flight (TOF) analyzer to separate the ions based on their mass/ charge ratio (m/ z) (3,4), and a sensor for detecting the ions (5). Mass-Spectrum Big Data Problem: Eine Probe hat 2,4GB Eine Probe besteht aus 1600 Spektren Ein Spektrum hat zwischen 80K und 150K Datenpunkte ca. 160 Millionen Datenpunkte pro Probe Große Studien mit bis zu 1000 Proben q: Char ge, q = e z E : St r engt h of el ect r ic fi el d V : Pot ent i al F : Force acting on ions during accel er at i on e: Unit charge (charge of a proton) z : Number of unit charges of ionized mol ecu l e q: Char ge a : A ccel er at i on (2)-(4) and sometime (1) usually occur under vacuum conditions, since collision with residual gas molecules would hinder the ion separation. The fundamental idea is that the ions (of charge q) are generat ed by a laser beam ((1) & (2) in Figure 3.2.2) and then accelerated through an electric field of constant energy E ((3) in Figure 3.2.2), of hundreds to thousand of volts. This allows thedescription of theion behavior with newtonian equations (Guilhaus, 1995). Therefore, the ions travelling in this field (with potential V ) are accelerated with force F : so acceleration (a) equals F = E e z = E q and F = m a a = E q m v : Vel oci t y Acceleration is also the change of velocity (v) over time (t), dv/dt. So in the t : T i me 2013 SAP AG. All rights reserved. accelerat ion region (over distance s a ) with a given initial velocity (v 0 ): 12 sa : Dist ance of effective accelerat ion v : I ni t ial velocity

13 Proteome-based Cancer Diagnostics Native HANA-Anwendung (HTML5) 2013 SAP AG. All rights reserved. 13

14 Proteome-based Cancer Diagnostics Native HANA-Anwendung (HTML5) 2013 SAP AG. All rights reserved. 14

15 Herausforderungen an die Plattform Hoher Durchsatz von Massendaten Unstrukturierte Daten Orchestrierung von Analyse-Workflows Visualisierung von Massendaten Ubiquitärer Zugriff auf Inhalte Archivierung von Ergebnissen Zugriffsschutz, IP-Rechte 2013 SAP AG. All rights reserved. 15

16 Tech Deep Dive

17 HANA Suits Requirements of Modern ERP Applications Anforderungen moderner ERP-Applikationen Keine reine Unterscheidung in entweder OLTP oder OLAP möglich Echtzeitanalysen auf den Daten Wichtige neue Features: Integration von halb- und unstrukturierten Daten Ein System für beide Workloads! Komplexe Ad-hoc-Analysen müssen in subsecond response time Ergebnisse liefern Schnelle Analytik ohne Vorberechnungen Predictive Analytics Planung und Simulation OLAP OLTP 0% 20% 40% 60% 80% 100% ERP Workload look ups table scans range selects insert update delete 2013 SAP AG. All rights reserved. 17

18 Zukunft der Datenbank-Technologie 2013 SAP AG. All rights reserved. 18

19 Die Technologie dahinter In-Memory Computing 2013 SAP AG. All rights reserved. 19

20 SAP HANA als Platform für holistischen Datenzugriff Integration von komplementären Funktionen auf einer Plattform für holistischen Informationszugriff: alle Daten strukturiert und unstrukturiert Hybridmodelle - Analyse, Suche, Matching Eine Engine Eine In-memory Computing Platform bietet: Plattform für Datengetriebene Applikationen Einheitliche Zugriffsschicht für Suche Flexible und nahtlose Nutzerinteraktion niedriger TCD ein Modell, versch. Perspektiven niedriger TCO Vermeidung von redundanten Daten- und Persistenzschichten HANA 2013 SAP AG. All rights reserved. 20

21 SAP HANA als ganzheitliche Lösungsplattform Application SAP In-Memory Computing Technology Calculation & Planning Engine Data Management Services In-Memory Storage Engines Relational Engine Column store Row store SAP AG. All rights reserved. 21

22 SAP In-Memory Technology + Combined column and row store Minimal projections Any attribute as index Insert only for time travel Bulk load Multi-core/ parallelization A P Active/passive data store Partitioning Lightweight Compression Dynamic multithreading within nodes t Analytics on historical data SQL SQL interface on columns & rows No aggregate tables On-the-fly extensibility Single and multi-tenancy Object to relational mapping x T Reduction of layers Text Retrieval and EXploration Map reduce Group Key No disk 2013 SAP AG. All rights reserved. 22

23 Analyse-Workflows SAP HANA als holistische Analyseplattform Analyse-Workflows als Calculation Models nativ in HANA Domänen-spezifische Sprachen zur Algorithmen- Beschreibung Parallelisierung Optimierung 2013 SAP AG. All rights reserved. 23

24 Analyse-Workflows Bring the algorithms to the data, not the data to the algorithms SAP AG. All rights reserved. 24

25 Application Development for HANA

26 All in one Engine: XS Engine 2013 SAP AG. All rights reserved. 26

27 Visualisierung von Massendaten Integrierter Applikations- Server: XS Engine Interaktive Visualisierungen Für jedes Endgerät verfügbar 2013 SAP AG. All rights reserved. 27

28 Potenzial für Partner Bereitstellung analytischer Inhalte (medizinische Statistiken, Schätzer, etc.) Aufbereitung medizinischer Daten (interaktives Charting, Massendatenvisualisierung) Konnektoren zu externen Datenbanken (PubMed, Ensembl, EMBL-EBI libs, etc.) Rückkanäle zu SAP-Systemen 2013 SAP AG. All rights reserved. 28

29 Einbettung in die SAP-Strategie Applications Analytics Mobile Technology & Database Cloud SAP HANA Services 2013 SAP AG. All rights reserved. 29

30 Vielen Dank! Kontakt: Matthias Steinbrecher