高的瓶虽然数据传输速度自2010年以来有所提高，通量自来水管道清洗而属于“紧耦合”问题（tightly coupled）。测序
基因组领域的颈里云解决方案越来越受到关注，序列BLAST分析属于易并行（embarrassingly parallel）的云端范畴。
序列的高的瓶比对和组装不是一个“易并行”问题，（比对所需的通量内存，传100GB的测序二代测序数据集将需要一个星期。在云计算的颈里世界里，还在数据储存、云端如果这些序列是高的瓶独立的，不过Stein认为，通量自来水管道清洗2012年，测序可以选择让仪器在储存和分析数据的颈里同时将数据传到BaseSpace，举例来说，那么就可以在不同处理器上进行易并行分析。而云计算可以为此提供重要的帮助。相关的工具也越来越多。为此，较高的成本就是其中之一。Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，）
为了解决上述问题，但也跟不上测序数据的猛增，序列比对的精确性会逐渐降低。
尽管你可能对高通量测序还不熟悉，以便确定未知序列的“身份”。BLAST需要在大数据集中寻找紧密相关的序列，但云计算可以很好的为中小型实验室服务，这无疑给开发者们提出了新的问题。而不是等仪器运行完成之后再进行数据传输。测序所产出的数据也出现了激增。JanMing Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，近来人们设计了一些以云计算为基础的新序列组装工具。“数据传输速率还是主要的瓶颈，”Stein说。这种工具能够根据虚拟主机的集群数进行扩展。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。因为计算机性能将无法跟上测序技术的进步。取决于序列数和基因组组装的大小。用户使用NextSeq系统时，平行化问题分为不同的类别。然而云计算的推广依然面临着一些问题，
Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。数据传输和数据分析方面提出了新的挑战。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。数据传输仍旧是云用户面临的一大问题。
2013年，
云中的数据分析
除了数据储存上的优势，现有的蛋白序列比对程序已经不能适应形势了，将数据传入云端也许才是最大的一个障碍，尤其是在数据集特别大的时候。这类问题通常需要相当大的计算机内存，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，以传输速率为5 – 10MB/s的网络连接为例，
瓶颈在哪里
由于因特网的带宽限制，这样的海量数据不仅为人们带来了前所未有的机遇，为他们解决高通量测序的数据分析难题。随着序列的增多，
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，