下一代测序 (NGS)/大数据

大数据

数据泛滥

您遇到的第一个问题可能是 NGS FASTQ 文件的大小 - "数据泛滥"问题。您不再仅仅处理微孔板读数或数字化凝胶照片；NGS 数据的大小可能是巨大的。例如，来自 60x 人类全基因组测序的压缩 FASTQ 文件仍然需要 200Gb。一个包含 10-20 个全基因组测序 (WGS) 样本的小型项目可以生成约 4TB 的原始数据。即使这些估计也不包括下游分析所需的磁盘空间。

存储数据

引用自 BioStars 的一篇帖子

• 高端：企业集群和 SAN。
• 高端：位于不同建筑物中的两台镜像服务器或云。
• 典型：带有 raid-5/6 的外部硬盘驱动器和/或 NAS

移动数据

在合作者之间移动数据也不简单。对于 RNA-Seq 样本，FTP 可能就足够了，但对于 WGS 数据，运输硬盘驱动器可能是唯一的解决方案。

将计算需求从研究组中分离出去

单个实验室很难维护足够的计算设施。单个实验室可能拥有某些基本的计算硬件；但是，许多任务将具有巨大的计算需求（例如，从头基因组组装的内存），需要在其他地方执行。一个机构/核心设施可以托管一个集中式集群。或者，您可以考虑在云上执行该任务。

• NIH 维护一个名为 Biowulf 的集中式计算集群。
• 建议使用生物信息学云计算。 EBI 采用了一个名为 Helix Nebula 的云平台。