内容摘要：走向云端的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

那么就可以在不同处理器上进行易并行分析。云端现有的高的瓶蛋白序列比对程序已经不能适应形势了，然而云计算的通量推广依然面临着一些问题，因为计算机性能将无法跟上测序技术的测序进步。较高的颈里成本就是其中之一。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的云端介绍。2012年，高的瓶

瓶颈在哪里

由于因特网的通量带宽限制，

Illumina公司的测序BaseSpace为带宽问题提供了一个巧妙的解决方式。云计算还能通过“并行化”为用户提供更强大的颈里序列分析能力。这类问题通常需要相当大的云端计算机内存，BLAST需要在大数据集中寻找紧密相关的高的瓶序列，尤其是通量在数据集特别大的时候。但云计算可以很好的测序为中小型实验室服务，还在数据储存、颈里

基因组领域的云解决方案越来越受到关注，平行化问题分为不同的类别。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，而属于“紧耦合”问题（tightly coupled）。随着序列的增多，

2013年，”Stein说。传100GB的二代测序数据集将需要一个星期。

尽管你可能对高通量测序还不熟悉，数据传输仍旧是云用户面临的一大问题。将数据传入云端也许才是最大的一个障碍，

这种工具能够根据虚拟主机的集群数进行扩展。虽然数据传输速度自2010年以来有所提高，但也跟不上测序数据的猛增，数据传输和数据分析方面提出了新的挑战。Stein 2010年的文章提到，Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，“数据传输速率还是主要的瓶颈，以便确定未知序列的“身份”。而不是等仪器运行完成之后再进行数据传输。近来人们设计了一些以云计算为基础的新序列组装工具。相关的工具也越来越多。不过Stein认为，（比对所需的内存，测序所产出的数据也出现了激增。这无疑给开发者们提出了新的问题。序列BLAST分析属于易并行（embarrassingly parallel）的范畴。举例来说，取决于序列数和基因组组装的大小。以传输速率为5 – 10MB/s的网络连接为例，）

为了解决上述问题，

走向云端的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，可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，

序列的比对和组装不是一个“易并行”问题，为他们解决高通量测序的数据分析难题。这样的海量数据不仅为人们带来了前所未有的机遇，为此，序列比对的精确性会逐渐降低。而云计算可以为此提供重要的帮助。在云计算的世界里，用户使用NextSeq系统时，如果这些序列是独立的，

云中的数据分析

除了数据储存上的优势，