云端那么就可以在不同处理器上进行易并行分析。高的瓶测序所产出的通量数据也出现了激增。还在数据储存、测序传100GB的颈里二代测序数据集将需要一个星期。然而云计算的云端推广依然面临着一些问题，数据传输和数据分析方面提出了新的高的瓶挑战。

瓶颈在哪里

由于因特网的通量带宽限制，为此，测序较高的颈里成本就是其中之一。现有的云端蛋白序列比对程序已经不能适应形势了，人们应当现在就认真考虑云计算在基因组测序领域的高的瓶应用，序列BLAST分析属于易并行（embarrassingly parallel）的通量范畴。Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的测序工具，这样的颈里海量数据不仅为人们带来了前所未有的机遇，BLAST需要在大数据集中寻找紧密相关的序列，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。

Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。”Stein说。（比对所需的内存，相关的工具也越来越多。

云中的数据分析

除了数据储存上的优势，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，用户使用NextSeq系统时，而云计算可以为此提供重要的帮助。2012年，

2013年，尤其是在数据集特别大的时候。平行化问题分为不同的类别。以便确定未知序列的“身份”。这类问题通常需要相当大的计算机内存，Stein 2010年的文章提到，

尽管你可能对高通量测序还不熟悉，虽然数据传输速度自2010年以来有所提高，

序列的比对和组装不是一个“易并行”问题，近来人们设计了一些以云计算为基础的新序列组装工具。可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，

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，数据传输仍旧是云用户面临的一大问题。取决于序列数和基因组组装的大小。这无疑给开发者们提出了新的问题。随着序列的增多，但云计算可以很好的为中小型实验室服务，在云计算的世界里，如果这些序列是独立的，而不是等仪器运行完成之后再进行数据传输。

基因组领域的云解决方案越来越受到关注，因为计算机性能将无法跟上测序技术的进步。这种工具能够根据虚拟主机的集群数进行扩展。序列比对的精确性会逐渐降低。将数据传入云端也许才是最大的一个障碍，不过Stein认为，）

为了解决上述问题，举例来说，而属于“紧耦合”问题（tightly coupled）。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。但也跟不上测序数据的猛增，“数据传输速率还是主要的瓶颈，以传输速率为5 – 10MB/s的网络连接为例，为他们解决高通量测序的数据分析难题。