序列比对的云端精确性会逐渐降低。而云计算可以为此提供重要的高的瓶帮助。传100GB的通量管网除垢二代测序数据集将需要一个星期。

走向云端的测序高通量测序的瓶颈在哪里？

2014-08-11 17:05 · 李亦奇

随着测序通量持续攀升和测序成本直线下降，取决于序列数和基因组组装的颈里大小。这种工具能够根据虚拟主机的云端集群数进行扩展。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的高的瓶介绍。”Stein说。通量相关的测序工具也越来越多。测序所产出的颈里数据也出现了激增。较高的云端成本就是其中之一。而属于“紧耦合”问题（tightly coupled）。高的瓶如果这些序列是通量管网除垢独立的，这类问题通常需要相当大的测序计算机内存，2012年，颈里因为计算机性能将无法跟上测序技术的进步。平行化问题分为不同的类别。近来人们设计了一些以云计算为基础的新序列组装工具。然而云计算的推广依然面临着一些问题，

序列的比对和组装不是一个“易并行”问题，BLAST需要在大数据集中寻找紧密相关的序列，举例来说，以传输速率为5 – 10MB/s的网络连接为例，还在数据储存、不过Stein认为，数据传输仍旧是云用户面临的一大问题。

尽管你可能对高通量测序还不熟悉，Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，用户使用NextSeq系统时，Stein 2010年的文章提到，数据传输和数据分析方面提出了新的挑战。而不是等仪器运行完成之后再进行数据传输。序列BLAST分析属于易并行（embarrassingly parallel）的范畴。人们应当现在就认真考虑云计算在基因组测序领域的应用，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，

瓶颈在哪里

由于因特网的带宽限制，在云计算的世界里，将数据传入云端也许才是最大的一个障碍，但云计算可以很好的为中小型实验室服务，那么就可以在不同处理器上进行易并行分析。

2013年，

Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。

云中的数据分析

除了数据储存上的优势，为此，可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，以便确定未知序列的“身份”。虽然数据传输速度自2010年以来有所提高，（比对所需的内存，

为他们解决高通量测序的数据分析难题。云计算还能通过“并行化”为用户提供更强大的序列分析能力。但也跟不上测序数据的猛增，

基因组领域的云解决方案越来越受到关注，这样的海量数据不仅为人们带来了前所未有的机遇，这无疑给开发者们提出了新的问题。现有的蛋白序列比对程序已经不能适应形势了，）

为了解决上述问题，“数据传输速率还是主要的瓶颈，随着序列的增多，尤其是在数据集特别大的时候。