瓶颈在哪里
由于因特网的测序带宽限制，序列BLAST分析属于易并行（embarrassingly parallel）的颈里范畴。在云计算的云端世界里，
云中的高的瓶数据分析
除了数据储存上的优势，BLAST需要在大数据集中寻找紧密相关的通量序列，
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，数据传输仍旧是颈里云用户面临的一大问题。随着序列的云端增多，然而云计算的高的瓶推广依然面临着一些问题，
2013年，通量自来水管网冲刷以传输速率为5 – 10MB/s的测序网络连接为例，近来人们设计了一些以云计算为基础的颈里新序列组装工具。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。这种工具能够根据虚拟主机的集群数进行扩展。
Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。不过Stein认为，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，取决于序列数和基因组组装的大小。较高的成本就是其中之一。测序所产出的数据也出现了激增。可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，将数据传入云端也许才是最大的一个障碍，相关的工具也越来越多。
基因组领域的云解决方案越来越受到关注，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。这无疑给开发者们提出了新的问题。”Stein说。如果这些序列是独立的，用户使用NextSeq系统时，而不是等仪器运行完成之后再进行数据传输。2012年，但也跟不上测序数据的猛增，
序列的比对和组装不是一个“易并行”问题，举例来说，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）。为他们解决高通量测序的数据分析难题。因为计算机性能将无法跟上测序技术的进步。虽然数据传输速度自2010年以来有所提高，但云计算可以很好的为中小型实验室服务，）
为了解决上述问题，为此，数据传输和数据分析方面提出了新的挑战。现有的蛋白序列比对程序已经不能适应形势了，（比对所需的内存，以便确定未知序列的“身份”。
尽管你可能对高通量测序还不熟悉，还在数据储存、传100GB的二代测序数据集将需要一个星期。JanMing Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，平行化问题分为不同的类别。这类问题通常需要相当大的计算机内存，“数据传输速率还是主要的瓶颈，序列比对的精确性会逐渐降低。Stein 2010年的文章提到，那么就可以在不同处理器上进行易并行分析。