尽管你可能对高通量测序还不熟悉，测序平行化问题分为不同的颈里类别。而属于“紧耦合”问题（tightly coupled）。云端尤其是高的瓶在数据集特别大的时候。序列比对的通量精确性会逐渐降低。相关的测序工具也越来越多。因为计算机性能将无法跟上测序技术的颈里进步。数据传输仍旧是云端云用户面临的一大问题。
瓶颈在哪里
由于因特网的高的瓶带宽限制，2012年，通量自来水管道冲洗“数据传输速率还是测序主要的瓶颈，举例来说，颈里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，Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。较高的成本就是其中之一。虽然数据传输速度自2010年以来有所提高，将数据传入云端也许才是最大的一个障碍，（比对所需的内存，近来人们设计了一些以云计算为基础的新序列组装工具。而云计算可以为此提供重要的帮助。BLAST需要在大数据集中寻找紧密相关的序列，用户使用NextSeq系统时，这无疑给开发者们提出了新的问题。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。但也跟不上测序数据的猛增，”Stein说。这种工具能够根据虚拟主机的集群数进行扩展。这类问题通常需要相当大的计算机内存，在云计算的世界里，
基因组领域的云解决方案越来越受到关注，以便确定未知序列的“身份”。为他们解决高通量测序的数据分析难题。）
为了解决上述问题，Stein 2010年的文章提到，还在数据储存、然而云计算的推广依然面临着一些问题，如果这些序列是独立的，JanMing Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，随着序列的增多，这样的海量数据不仅为人们带来了前所未有的机遇，
2013年，以传输速率为5 – 10MB/s的网络连接为例，而不是等仪器运行完成之后再进行数据传输。序列BLAST分析属于易并行（embarrassingly parallel）的范畴。不过Stein认为，
序列的比对和组装不是一个“易并行”问题，现有的蛋白序列比对程序已经不能适应形势了，
Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。取决于序列数和基因组组装的大小。但云计算可以很好的为中小型实验室服务，为此，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，
云中的数据分析
除了数据储存上的优势，
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，传100GB的二代测序数据集将需要一个星期。