把基因组上传到云端

晓说

近日，Google正式推出了Google Genomics，这一产品可以让科学家把基因组数据存储在云端，并对DNA序列进行研究和共享。

其实从18个月前，Google就开始着手Google Genomics的建立了，包括会见科学家，以及搭建界面和应用程序接口。凭借这些，Google可以将DNA数据存储在自己的服务器集群上，并利用这些数据进行实验。其中用到的数据库技术与Google索引和用户追踪技术相同。

随着实验室不断引进速度更快的新设备来解码DNA，数据量正在经历一种爆发式的增长。例如马萨诸塞州一家研究所在10月份时，每32分钟就能解析出约等于一个人的基因组的数据，相当于200TB的原始数据。不过，这点数据量和这些互联网公司每天处理的数据相比，还是要小得多——YouTube一天的上传量就相当于该研究所2个月的数据量。

这些超出任何个人的处理能力的海量数据必须要有一个数据中心。美国国家癌症研究所就表示，将斥资1900万美元，把约2.6PB（1PB=1024TB）的癌症基因组图谱上传至Google Genomics和亚马逊的数据中心。这样做的目的在于打造一个“癌症基因组云数据库”，科学家可以借助这一平台，像使用网页搜索一样快捷便利地分享信息和进行模拟实验。

目前，Google Genomics上已经存储了至少3500个来自公共项目的基因组。在Google Genomics存储一个基因组的价格为25美元/年，如果需要对数据进行计算还将额外收取费用。一个人的基因组原始数据大小约为100GB，而经过压缩后将不到1GB，也就是说只需要25美分。

这项技术使得今后医学或将依赖于某种“全球DNA网络”，医生将可以在这个网络中搜索他需要的内容。比如对癌症患者，医生就能对他进行基因测序，然后将他正常细胞和肿瘤细胞的基因组与数据库中的5000万个基因组进行匹配，然后给出最合适的药物。