云存儲基因組數據的可行性研究

張燕 廣州工商學院

引言

生物信息學是一門交叉學科，綜合了數學、計算機科學、統計學、生物學等學科。隨著海量基因組數據的誕生，如何深入挖掘這些數據所蘊含的信息是一個亟待解決的問題。然而這些數據難以識別，數量過多，所涉及的處理與分析步驟多且繁瑣，傳統的數據處理方法無法使用，因此需要更高能力的數據計算分析和存儲能力。而云計算有高速計算能力、超大存儲量及應用特點，因此通過云存儲漸漸成為生物計算發展的趨勢。

1 研究內容的可行性分析

基因組數據持有者廣泛而安全地使用數據是發揮數據價值、提供基于數據的作用的前提條件。現實中，有很多方式致力于解決此問題，如STATA,SPSS等基礎軟件，后出現了貝葉斯網絡、聚類分析等統計學方法。然而隨著基因組數據高通量的增長，準確運用數據、從而發現數據信息的復雜性也在不在增加，如何有效處理實驗中產生的海量數據引起了研究者們的廣泛注意。人們清楚地認識到對這些海量數據進行簡單處理是遠遠不夠的，必須有更有效的方法才能獲取更有價值的信息。本項目力圖解決分析海量數據時存在的問題，符合大數據時代的發展趨勢，有助于推動大數據分析技術的發展，具有現實意義。

2 研究方法和技術路線的可行性分析

通過對研究內容和關鍵問題的分析，本項目提出了相應的研究方法和技術路線。對于大數據環境下的基因組數據，本項目引入云計算平臺，通過該平臺分析基因組數據的相互關系，并預測。云計算平臺這幾年發展非常迅速，適合分析高通量數據。通過較成熟的理論基礎與技術平臺結合，可以得出準確結論。

基于國內外文獻研究分析，2018年初開始研讀相關文獻，了解最新研究成果。且課題組成員具備完成課題的能力：團隊成員結構合理，其中包括科研、教學經驗豐富的教師；學歷層次高，絕大部分為碩士以上學歷；科研能力強，大部分成員主持或參與過科研項目，且發表了高質量的科研論文。

3 技術、經濟效益及風險分析

云計算從提出到今天已經有10多年的歷史，現在平臺建設日漸成熟，尤其隨著數據數量越來越繁多，種類越來越繁多，云計算已經成為一種不可或缺的重要方式。

經濟效益方面，則有以下幾種情況：

（1）準確、安全、有效地通過云計算平臺處理好基因組間的相互關系，可以進一步推進生物、醫學的發展，彌合基因組的關系預測在技術上的鴻溝。

（2）有效處理基因組的關系（基因測序）帶來了商業價值，提高了經濟效益。本項目基于經濟學的研究思路，使得基因關系更容易走向商業。在本領域有很多成功的例子：例如，2011年，華盛頓大學里26臺基因測序儀器中的一臺，以及一臺超級計算機，經過幾周晝夜不停地運行，準確找出了沃特曼（一名白血病患者）的病因——一個正常基因FLT3表達過于活躍，刺激了沃特曼癌細胞的快速生長增殖；并找到一種可以抑制基因表達的新藥。這使得沃特曼成為第一個用此藥治療白血病的病人，且病情好轉。再例如，蓮的兩個子類：熱帶蓮（清邁野蓮）和溫帶蓮（中湖野生蓮），它們有不同地理來源（由太平洋分開），但保持相同染色體數目。通過基因組測序分析二者之間的關系，對了解蓮的基因多樣性和親緣關系，以及對種質資源的育種和非原位保存有重要意義。因此，基于本項目的新的安全有效的基因測序必定帶來新的商業機會。

（3）有助于大數據戰略，帶來社會效益。大數據是建設智慧城市的基礎，然而只有對大數據在“集大成”的基礎上重組分析，數據的價值才能不斷放大，成為“智慧”。

至于風險分析，由于基因組數據量多，導致可能選取不準確，從而影響實驗結果。

要達到的主要經濟、技術指標為：準確對高通量基因組數據進行測序分析并預測，及時應用到白血病、乳腺癌等疾病的臨床診斷中，使得該技術及早造福社會，帶來經濟效益。

4 總結

云計算所具有的高速計算能力、高存儲量及使用特點很好地滿足了這些需求，因此融合云計算漸漸成為生物計算發展的趨勢[5]。本文介紹了云存儲基因組數據的可行性研究。