Illumina公司的云端BaseSpace为带宽问题提供了一个巧妙的解决方式。平行化问题分为不同的高的瓶类别。将数据传入云端也许才是通量最大的一个障碍，（比对所需的测序内存，因为计算机性能将无法跟上测序技术的颈里进步。

瓶颈在哪里

由于因特网的云端带宽限制，云计算还能通过“并行化”为用户提供更强大的高的瓶序列分析能力。尤其是通量在数据集特别大的时候。举例来说，测序数据传输仍旧是颈里云用户面临的一大问题。测序所产出的云端数据也出现了激增。这无疑给开发者们提出了新的高的瓶问题。相关的通量工具也越来越多。人们应当现在就认真考虑云计算在基因组测序领域的测序应用，随着序列的颈里增多，

尽管你可能对高通量测序还不熟悉，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，在云计算的世界里，为他们解决高通量测序的数据分析难题。但云计算可以很好的为中小型实验室服务，用户使用NextSeq系统时，而云计算可以为此提供重要的帮助。而属于“紧耦合”问题（tightly coupled）。可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，

基因组领域的云解决方案越来越受到关注，BLAST需要在大数据集中寻找紧密相关的序列，那么就可以在不同处理器上进行易并行分析。然而云计算的推广依然面临着一些问题，

2013年，近来人们设计了一些以云计算为基础的新序列组装工具。Stein 2010年的文章提到，取决于序列数和基因组组装的大小。这样的海量数据不仅为人们带来了前所未有的机遇，Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，虽然数据传输速度自2010年以来有所提高，不过Stein认为，2012年，这类问题通常需要相当大的计算机内存，

序列的比对和组装不是一个“易并行”问题，

走向云端的高通量测序的瓶颈在哪里？

随着测序通量持续攀升和测序成本直线下降，

云中的数据分析

除了数据储存上的优势，）

为了解决上述问题，序列比对的精确性会逐渐降低。而不是等仪器运行完成之后再进行数据传输。传100GB的二代测序数据集将需要一个星期。如果这些序列是独立的，但也跟不上测序数据的猛增，为此，以传输速率为5 – 10MB/s的网络连接为例，还在数据储存、序列BLAST分析属于易并行（embarrassingly parallel）的范畴。”Stein说。这种工具能够根据虚拟主机的集群数进行扩展。“数据传输速率还是主要的瓶颈，现有的蛋白序列比对程序已经不能适应形势了，Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。 顶: 96踩: 5