去年，制藥巨頭阿斯利康 (AstraZeneca) 啟動了一項雄心勃勃的計劃，利用下一代基因組測序開發藥物來對抗包括癌癥在內的各種疾病。

該技術創造了一種合成版本的信使 RNA，有助于在細胞中制造蛋白質。如果成功，這些蛋白質可以對抗癌癥等疾病。

不幸的是，這種基因組測序需要大量的計算能力。正如阿斯利康 (AstraZenaca) 研發信息架構師 Jason Tetrault 最近解釋的那樣，分析 88 個完整的人類基因組需要 15,000 小時和 171 TB 的數據。分析一個人類基因組可能需要四天時間。

幸運的是，遺傳學的突破與計算能力的飛躍同時發生。特別是 MongoDB 的跨平臺、面向文檔的數據庫已經到了大規模處理這些數字的地步。“我會將 MongoDB 納入極具顛覆性的技術陣營，”Tetrault 說。“任何能幫助我們加快步伐以幫助更快地找到東西的東西都很棒。”

對于 Tetrault 來說，基因組測序是非結構化數據挑戰的典型例子。AstraZeneca 選擇 MongoDB 是因為其文檔存儲能力。然后，公司提供午餐并學習教育員工。“當然是午餐和學習，”他說。“每個人都會出現以獲得免費午餐。”

示例還有助于讓員工參與進來。Tetrault 指出，Craigslist和MTV等公司使用 MongoDB 來跟蹤和整理他們的海量數據。Tetrault 說，去掉這些名字“真的打開了討論……這是一個‘哇哦’的時刻。”

也許讓每個人都加入的最有說服力的策略是展示 MongoDB 如何相對較快地取得有用的結果。“找到困難的事情，讓它變得容易，”他說。

阿斯利康的實驗包括提取其所有化合物的 10% 并從其不同的數據庫系統中提取信息。使用 MongoDB，該公司能夠對大約 500,000,000 種化合物進行 Tanimoto 比較。“所有這些，都在我的桌子底下，”Tetrault 說。

盡管在這個過程的早期，Tetrault 說他很高興阿斯利康可以使用 MongoDB 來幫助對抗癌癥。“我正在為癌癥研究人員提供支持。我們的研究人員正試圖找出哪種藥物對特定腫瘤類型最有效。” Tetrault 表示，通過更好地掌握數據，阿斯利康可以追蹤它以前從未注意到的鏈接和模式。“也許這對 10% 的肝癌有效，但哇，這種肺癌實際上具有相同的生物標志物。這就是我想問的問題，也是我對大數據技術感興趣的原因。”