面對多達250TB的數據集，紐約州立大學的研究人員用大規模硬件升級、以及使用基于R統計語言分析技術的方式，找尋解開疑難雜癥病因的密碼。

紐約州立大學(SUNY)布法羅分校是全球領先的多發性硬化癥(Multiple Sclerosis)研究中心之一。在這里，基于大數據的分析正在幫助研究人員找尋潛在病因和治療方法，以幫助患者縮短治愈周期。

目前多發性硬化癥的病因尚未十分明確，但是業內普遍認為，多發性硬化癥是由于病毒和基因缺陷等因素共同導致的，同時可能還與陽光和吸煙等環境因素有關。Murali Ramanathan博士是紐約州立大學研究中心數據密集發現創新的聯執主任。他們開發了名為AMBIENCE的技術，這一技術能夠讓研究人員對多遺傳變異——單核苷酸多態性(SNP)與增加患者罹患多發性硬化癥風險的環境因素之間的交互作用展開更為高效地搜索。

用于這一多變量研究的數據集容量已超過250TB。同時，由于研究人員試圖發現數千個遺傳因素與環境因素之間的重大交互作用，因此數據分析需要更加強大的計算能力。在這項研究中，有兩個主要障礙需要被克服：即對龐大數據集進行處理，并利用這些數據集創建復雜而易于定義的分析模型。研究人員不僅希望能夠發現哪些個體變量更為重要，同時還希望能夠發現哪些綜合變量更為關鍵。

需要在商用硬件上運行抽樣數據的算法幾乎要花上一周的時間才能得到結果。研究人員很快就發現，要想對全部數據進行運算還要花上數周的時間。過長的運算時間可能會導致一些額外的問題，比如算法調整、數據變更，等等。

為了應對這些挑戰，研究人員選擇創建一個整合了IBM Netezza分析數據庫工具和Revolution Analytics公司的商業版R語言的分析架構。Netezza可以將處理能力提升100倍，將分析所需要的時間由27.2小時縮短至11.7分鐘。并行處理也非常關鍵，但這僅僅是一個開始。與此同時，一些分析操作在數據移出磁盤時就已經開始執行，而不是僅在主處理器上進行全部的處理工作，因此它們能夠更快、更高效地進行分析。

在R統計語言的基礎上，Revolution Analytics公司允許研究人員快速而方便地在模型中添加和移除變量，無需編寫數百行代碼。同時，他們還允許團隊使用醫療記錄、實驗室數據、核磁共振成像(MRI)掃描和患者調查等數據集變量和大量因變量，以對這些變量中的交互作用展開研究。

過去，紐約州立大學的研究團隊必須重新編寫整個算法。現在，得益于新的系統，科研人員可以自行輕松地調整算法。借助于新的解決方案，研究人員能夠使用新的算法，添加多變量和數據集進程。這些在以前都是不可想象的。得益于這些成就，研究人員目前正在轉向更為復雜的研究，朝著解開多發性硬化癥背后的神秘機制又向前邁進了一步。