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