为什么说生物信息学是真正的大数据行业？

一不小心进入了大数据这一朝阳产业，内心还有点小激动呢。怎么回事呢？我什么都不知道啊。先看下表吧。

1. DNA 的基本单位为什么叫碱基对？

因为 DNA 是由两条反向互补的链组成的，两条链之间遵循碱基互补配对原则（A 与 T 配对，G 与 C 配对）。知道了一条链的序列，就能推断出另一条链的序列。因此当谈到 DNA 的一个基本单位时，习惯上叫碱基对（base pair，缩写为 bp），意味着它可以代表的是一对碱基，也就是一对核酸。

2. 基因组大小是怎么定义的？

人的基因组约有 3 个 G，这 3 个 G 严格来说是人的一个细胞中一半 DNA 的碱基数。因为人是二倍体，共有 46 条染色体，23 条来自于父亲，23 条来自于母亲。两者共 6 个 G。因此当谈到一个物种的基因组大小时，指的是其配子（单倍体）中所有 DNA 的碱基数。有人说人的基因组有 6 个 G，这是不严谨的。

3. 为什么说生物信息学是大数据行业？

举几个例子：

（1）科研上测人的基因组，习惯上测 30X，也就是每一个碱基测 30 次，那么 30*3G 就是 90G 了。一个项目测 5 个人的，得到的数据差不多要 500G 硬盘来装了（不考虑压缩的情况）。处理这些数据，对计算资源的要求可想而知，普通笔记本和台式机肯定不行了，得上服务器。