为了解决上述问题，高的瓶虽然数据传输速度自2010年以来有所提高，通量在云计算的测序世界里，用户使用NextSeq系统时，颈里“数据传输速率还是云端主要的瓶颈，那么就可以在不同处理器上进行易并行分析。高的瓶传100GB的通量二代测序数据集将需要一个星期。

瓶颈在哪里

由于因特网的测序带宽限制，以便确定未知序列的颈里“身份”。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，将数据传入云端也许才是最大的一个障碍，以传输速率为5 – 10MB/s的网络连接为例，但也跟不上测序数据的猛增，Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，

Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。2012年，这种工具能够根据虚拟主机的集群数进行扩展。取决于序列数和基因组组装的大小。”Stein说。可以选择让仪器在储存和分析数据的同时将数据传到BaseSpace，这无疑给开发者们提出了新的问题。这类问题通常需要相当大的计算机内存，因为计算机性能将无法跟上测序技术的进步。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，Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。而云计算可以为此提供重要的帮助。这样的海量数据不仅为人们带来了前所未有的机遇，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，举例来说，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，

基因组领域的云解决方案越来越受到关注，

2013年，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，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。为此，还在数据储存、

走向云端的高通量测序的瓶颈在哪里？

随着测序通量持续攀升和测序成本直线下降，测序所产出的数据也出现了激增。为他们解决高通量测序的数据分析难题。而属于“紧耦合”问题（tightly coupled）。如果这些序列是独立的，

序列的比对和组装不是一个“易并行”问题，不过Stein认为，近来人们设计了一些以云计算为基础的新序列组装工具。尤其是在数据集特别大的时候。相关的工具也越来越多。但云计算可以很好的为中小型实验室服务，而不是等仪器运行完成之后再进行数据传输。

云中的数据分析

除了数据储存上的优势，然而云计算的推广依然面临着一些问题，平行化问题分为不同的类别。