摘要:隨著二代測序、質(zhì)譜分析、醫(yī)學(xué)影像等生物醫(yī)學(xué)技術(shù)的發(fā)展和應(yīng)用，生物醫(yī)學(xué)數(shù)據(jù)呈現(xiàn)爆炸性增長趨勢，其處理面臨數(shù)據(jù)量大、計(jì)算強(qiáng)度大、維度高等問題。云計(jì)算在資源分配、數(shù)據(jù)存儲(chǔ)、計(jì)算、共享等方面具有優(yōu)勢，能夠幫助解決生物醫(yī)學(xué)大數(shù)據(jù)處理的相關(guān)問題。深入分析了云計(jì)算在生物醫(yī)學(xué)大數(shù)據(jù)處理方面的特點(diǎn)，歸納總結(jié)了常見的生物云計(jì)算解決方案，對(duì)生物云計(jì)算的發(fā)展和挑戰(zhàn)進(jìn)行了展望。有望建立能夠整合多源生物醫(yī)學(xué)數(shù)據(jù)的新型計(jì)算方法，以解決復(fù)雜的生物醫(yī)學(xué)問題。

　　關(guān)鍵詞:生物醫(yī)學(xué)技術(shù);二代測序;醫(yī)學(xué)影像;大數(shù)據(jù);云計(jì)算

　　1引言

　　近二十年來生命科學(xué)研究在生物醫(yī)學(xué)技術(shù)的推動(dòng)下得到了快速發(fā)展。特別是高通量測序技術(shù)(或稱為二代測序、下一代測序)憑借其優(yōu)良的測序性能和低廉價(jià)格(每5個(gè)月價(jià)格降一半［1］)在領(lǐng)域內(nèi)得到了廣泛應(yīng)用。二代測序同時(shí)衍生出了ＲNA-seq［2］、ex-ome-seq［3］、ChIP-seq［4］、DNA甲基化測序［5］、染色質(zhì)交互分析［6］等針對(duì)特定生物分子或靶標(biāo)的測序方法。另外，蛋白質(zhì)質(zhì)譜分析法被用于蛋白質(zhì)組學(xué)研究［7］，醫(yī)學(xué)影像(如CT、核磁共振MＲI)已成為醫(yī)學(xué)研究及診斷的常用技術(shù)。在新型生物技術(shù)的協(xié)助下，大型生物/醫(yī)學(xué)項(xiàng)目(如1000基因組［8］、ENCODE［9］、modEN-CODE［10］、CancerGenomeAtlas［11］、Humanmicrobi-ome［12］等)得以完成或正在穩(wěn)步推進(jìn)。然而，在利用相關(guān)技術(shù)進(jìn)行研究的同時(shí)也產(chǎn)生了規(guī)模龐大的數(shù)據(jù)，其累積速度已超過了摩爾定律(Moore’sLaw)所標(biāo)量的計(jì)算機(jī)發(fā)展速度，形成了“生物醫(yī)學(xué)大數(shù)據(jù)”(bio-medicalbigdata)［1］。當(dāng)前，生物醫(yī)學(xué)大數(shù)據(jù)處理的相關(guān)問題已成為生命科學(xué)研究發(fā)展的重要挑戰(zhàn)。

　　更新了一篇醫(yī)學(xué)相關(guān)的論文，如醫(yī)學(xué)中文核心期刊好投推薦，您可以點(diǎn)擊并前往查看。

　　2生物醫(yī)學(xué)大數(shù)據(jù)處理與云計(jì)算

　　由于生物醫(yī)學(xué)研究問題的復(fù)雜性，對(duì)生物醫(yī)學(xué)大數(shù)據(jù)的處理需要借助可靠的算法和高效的計(jì)算平臺(tái)，而云計(jì)算恰能為生物醫(yī)學(xué)大數(shù)據(jù)處理提供有力的平臺(tái)支撐。

　　3生物云解決方案

　　3．1常見的生物云解決方案

　　當(dāng)前常見的生物云解決方案如表1所示，主要涉及以下幾方面如圖1所示。

　　3．2生物云所涉及的云計(jì)算服務(wù)模

　　型商業(yè)化云計(jì)算主要向用戶提供軟件即服務(wù)(SaaS)、平臺(tái)即服務(wù)(PaaS)和基礎(chǔ)設(shè)施即服務(wù)(IaaS)這3種基本的云計(jì)算服務(wù)模型。同樣地，商業(yè)化生物云在向生物云用戶提供生物醫(yī)學(xué)數(shù)據(jù)處理/軟件開發(fā)的服務(wù)過程中也涉及這3種服務(wù)模型。

　　4生物云面臨的挑戰(zhàn)

　　盡管生物云已在領(lǐng)域內(nèi)得到應(yīng)用，但其在資源整合和有效利用方面仍然面臨挑戰(zhàn)。

　　4．1建立一致的生物云平臺(tái)接口

　　現(xiàn)有的生物云主要包括商業(yè)化生物云、私有生物云及學(xué)術(shù)生物云這3種類別。其中每種生物云各有不同的機(jī)構(gòu)予以實(shí)現(xiàn)，并面向各自的用戶群。在數(shù)據(jù)存儲(chǔ)方面，生物云之間存在著大量的冗余，且交互性不夠好，這使得生物云的資源利用率達(dá)不到最優(yōu)。因此，需要建立一致的生物云平臺(tái)接口，以實(shí)現(xiàn)不同生物云之間的互聯(lián)互訪，使得生物云之間的資源能夠充分共享，進(jìn)而有助于生物醫(yī)學(xué)大數(shù)據(jù)的處理。

　　4．2生物云的數(shù)據(jù)挖掘

　　生物云中存儲(chǔ)了來源多樣的生物醫(yī)學(xué)數(shù)據(jù)，這些數(shù)據(jù)能夠幫助科學(xué)家揭示豐富的生命奧秘。當(dāng)前的挑戰(zhàn)即在于如何進(jìn)行生物數(shù)據(jù)挖掘，即篩選出合適的數(shù)據(jù)、建立模型，進(jìn)而通過高效的計(jì)算方法獲得生物醫(yī)學(xué)信息。

　　5結(jié)論

　　與展望新一代生物醫(yī)學(xué)技術(shù)的廣泛應(yīng)用使生物醫(yī)學(xué)數(shù)據(jù)呈現(xiàn)爆炸性增長的趨勢，生物醫(yī)學(xué)研究由此進(jìn)入大數(shù)據(jù)時(shí)代。相對(duì)于傳統(tǒng)的生物醫(yī)學(xué)數(shù)據(jù)處理環(huán)境，生物云在數(shù)據(jù)存儲(chǔ)、計(jì)算處理、共享等方面具有優(yōu)勢，已經(jīng)開始為生物醫(yī)學(xué)大數(shù)據(jù)處理提供相關(guān)的解決方案，涉及序列比對(duì)、基因組裝配及差異表達(dá)分析等生物信息處理的各個(gè)方面。未來有望建立能夠整合多源生物醫(yī)學(xué)數(shù)據(jù)的新型計(jì)算方法，以解決復(fù)雜的生物醫(yī)學(xué)問題。

　　參考文獻(xiàn)

　　［1］STEINLD．Thecaseforcloudcomputingingenomeinformatics［J］．GenomeBiol，2010，11(5):207．

　　［2］MAＲIONIJC，MASONCE，MANESM，etal．ＲNA-seq:anassessmentoftechnicalreproducibilityandcomparisonwithgeneexpressionarrays［J］．Ge-nomeresearch，2008，18(9):1509-1517．

　　［3］NGSB，BUCKINGHAMKJ，LEEC，etal．Exomesequencingidentifiesthecauseofamendeliandisorder［J］．NatureGenetics，2009，42(1):30-35．

　　［4］JOHNSONDS，MOＲTAZAVIA，MYEＲSＲM，etal．Genome-widemappingofinvivoprotein-DNAin-teractions［J］．Science，2007，316(5830):1497-1502．

　　孫磊胡學(xué)龍張曉斌李云