2006 年，Tonellato 藉助雲端計算來應對複雜和充滿變數的計算需求。他說： “我評估了多個備選方案，但沒有找到像 Amazon Web Services 一樣靈活、穩健的方案。”Tonellato 之前曾經構建過資料中心，但無法承擔安裝伺服器和編寫程式碼所需的時間。他決定進行一項測試，看看他的團隊最快能用多長時間將一系列自定義Amazon 系統映像 (AMI) 聚合在一起，以反映適用於研究人員的 Web 應用程式的最佳開發環境。

現在，Tonellato 實驗室已擴大工作計劃，將 Spot 例項整合到他們的工作流中，以便能夠更充分地利用資助。據 Tonellato 所說：“執行 Amazon Elastic Compute Cloud (

Amazon EC2) 叢集期間，我們利用 Spot 例項來分析整個基因組。使用 Spot 例項時，我們可能以更低的成本執行更多工作程式節點，所以它為我們節省了大量時間和成本。因為充分利用了這些節約，我們的工程操作僅需一天，節省了約 50% 的成本。Tonellato 的實驗室利用麻省理工學院的 StarCluster 工具，該工具具有用於在 Spot 例項上管理 Oracle 網格引擎叢集的內建功能。Tonellato 實驗室的程式設計師 Erik Gafni 將 StarCluster 整合到了我們的工作流中。Gafni 表示： “使用 StarCluster 後，在 10 分鐘內配置、啟動並開始使用執行的 Spot 叢集非常輕鬆，令人難以置信。”

此外，LPM 認識到人們需要有關如何在學術環境下有效使用雲端計算的已釋出的資源，於是便在 PLoS Computational Biology 上發表了一份教育性讀本來滿足此類需求。“我們相信，這篇文章清楚地說明了一個學術實驗室如何有效地使用 AWS 管理其計算需求。它還向我們展示了應該如何去思考與 AWS 成本和計算資源相關的計算問題，” LPM 的主要作者和高階研究員 Vincent Fusaro 這樣說道。