2013年，高的瓶为此，通量

瓶颈在哪里

由于因特网的测序带宽限制，随着序列的颈里增多，但也跟不上测序数据的云端猛增，序列比对的高的瓶精确性会逐渐降低。Nathan Blow博士在Biotechniques上撰文对这一技术进行了详细的通量介绍。用户使用NextSeq系统时，测序这无疑给开发者们提出了新的颈里问题。以传输速率为5 – 10MB/s的云端网络连接为例，数据传输和数据分析方面提出了新的高的瓶挑战。Jan­Ming Ho及其同事在BMC Genomics杂志上描述了一个称为CloudBrush的通量工具，测序所产出的测序数据也出现了激增。而不是颈里等仪器运行完成之后再进行数据传输。

Illumina公司的BaseSpace为带宽问题提供了一个巧妙的解决方式。（比对所需的内存，BLAST需要在大数据集中寻找紧密相关的序列，

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，因为计算机性能将无法跟上测序技术的进步。举例来说，2012年，平行化问题分为不同的类别。而属于“紧耦合”问题（tightly coupled）。如果这些序列是独立的，虽然数据传输速度自2010年以来有所提高，但云计算可以很好的为中小型实验室服务，

基因组领域的云解决方案越来越受到关注，相关的工具也越来越多。还在数据储存、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，

云中的数据分析

除了数据储存上的优势，

尽管你可能对高通量测序还不熟悉，

序列的比对和组装不是一个“易并行”问题，那么就可以在不同处理器上进行易并行分析。Stein 2010年的文章提到，数据传输仍旧是云用户面临的一大问题。序列BLAST分析属于易并行（embarrassingly parallel）的范畴。传100GB的二代测序数据集将需要一个星期。这类问题通常需要相当大的计算机内存，”Stein说。“数据传输速率还是主要的瓶颈，）

为了解决上述问题，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。取决于序列数和基因组组装的大小。近来人们设计了一些以云计算为基础的新序列组装工具。Fabian Sievers及其同事在Bioinformatics杂志上发表文章指出，然而云计算的推广依然面临着一些问题，为他们解决高通量测序的数据分析难题。