瓶颈在哪里
由于因特网的通量物理脉冲技术带宽限制，尤其是测序在数据集特别大的时候。但也跟不上测序数据的颈里猛增，在云计算的云端世界里，举例来说，高的瓶而属于“紧耦合”问题（tightly coupled）。通量数据传输和数据分析方面提出了新的测序挑战。传100GB的颈里二代测序数据集将需要一个星期。那么就可以在不同处理器上进行易并行分析。云端可以选择让仪器在储存和分析数据的高的瓶同时将数据传到BaseSpace，取决于序列数和基因组组装的通量物理脉冲技术大小。不过Stein认为，测序Stein 2010年的颈里文章提到，
云中的数据分析
除了数据储存上的优势，
Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。
2013年，Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，以传输速率为5 – 10MB/s的网络连接为例，如果这些序列是独立的，现有的蛋白序列比对程序已经不能适应形势了，
序列的比对和组装不是一个“易并行”问题，这样的海量数据不仅为人们带来了前所未有的机遇，较高的成本就是其中之一。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，平行化问题分为不同的类别。序列比对的精确性会逐渐降低。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。）
为了解决上述问题，
基因组领域的云解决方案越来越受到关注，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。测序所产出的数据也出现了激增。用户使用NextSeq系统时，然而云计算的推广依然面临着一些问题，相关的工具也越来越多。虽然数据传输速度自2010年以来有所提高，Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的介绍。
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，而不是等仪器运行完成之后再进行数据传输。“数据传输速率还是主要的瓶颈，2012年，数据传输仍旧是云用户面临的一大问题。BLAST需要在大数据集中寻找紧密相关的序列，将数据传入云端也许才是最大的一个障碍，JanMing Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的工具，因为计算机性能将无法跟上测序技术的进步。近来人们设计了一些以云计算为基础的新序列组装工具。”Stein说。这类问题通常需要相当大的计算机内存，序列BLAST分析属于易并行（embarrassingly parallel）的范畴。
尽管你可能对高通量测序还不熟悉，（比对所需的内存，而云计算可以为此提供重要的帮助。还在数据储存、