生物学中的云计算和大数据

      1977年2月，FredrickSanger与他的同事发表了第一个生物体的完整基因组序列，即噬菌体phiX174的5375个核苷酸。从那之后，人们就清楚地意识到，随着科学家测出更多复杂物种，全基因组的研究将会变得繁琐冗长。幸好，发展中的基因组学很快就有了解决方案。仅仅4个月之后，加州库比提诺一家新成立的小公司就开始为电子发烧友们出售AppleII。科学家也迅速发现，这套相对划算的新计算系统是存储和分析基因数据的理想系统。

　　如今，分子生物学根本离不开计算机的帮助。当高度自动化的测序仪每天产生数百万兆字节的新数据时，研究人员仍然能够常规地搜寻巨大的在线数据库，寻找基因间的新联系。事实上，“生物信息学”这个全新的科学学科已悄然兴起，用于分类、研究不断增长的生物学新信息。

　　很多研究机构都建立了专门的计算中心，处理过多的数据。然而，近期生物信息学专家开始借用计算机行业的另一套策略，避免更多的花费，那就是云计算(或分布式计算)。基于云计算的系统不同于本地化的存储和分析数据，它将强度很大的工作程序化地按需分派到成百上千的远程服务器上。早期采用云计算基因组学的科研人员不得不自己编写软件，但现如今计算机专家和服务器公司开始设计更加人性化的界面，进一步推广这一技术

 

　　计算无极限

　　对于云计算，最显见的争论就是新测序数据的绝对量。“我们机构不大，每天能产生一百万兆字节。”纽约冷泉港实验室定量生物学助理教授MichaelSchatz说。这足以在仅仅两到三天内填满一台台式机的整个硬盘。

　　Schultz解释道，从全球来看，DNA测序仪每年能产生大约150亿兆(PB)字节的数据(这一数据仍在迅速增长);而1PB就是1000个TB。要想把150亿兆字节的数据刻录到大容量DVD中，刻出来的光盘摞起来能达到2.5英里高，而这仅仅是原始数据