大數據區別于海量數據的一個重要特質就是處理大量混合結構的數據。在生物醫學領域，有很多這類數據需要處理。軍事醫學科學院衛生勤務與醫學情報研究所副研究員王玉峰在第四屆中國云計算大會上分享了，他運用NoSQL處理生物醫學大數據的過程。王玉峰表示，大數據整合應用涵蓋健康管理數據，海量測序數據；而大數據管理、整合、分析則是大數據下IT的挑戰。

王玉峰表示，生物醫學是融合了醫學、生物學包括工程學、信息技術的關聯學科，應該說基于信息技術，把研究過程銜接起來，他們想通過基因工程研究怎么樣把基礎醫學研究成果更好的從藥物研發、藥物研發來整合，我們可以通過這個圖表簡單看一下，這個圖表是五年來關于癌癥研究與藥物靶點基因研究的文獻，在信息技術推出，生物醫學逐漸轉變成重要的研究領域，并且在經歷大數據的沖擊。第一個大數據來源，是高通量，個性化診療基本通過人與人的基因差異，指導個性化的用藥，進異步增強診療的針對性，這種過程是比較復雜的，花費30億美元。

大數據的四個來源

2005年這項技術高速發展，它的測序能力每五個月翻一番，藍色的線存儲的變化趨勢，紅色的是測序能力增長。如果一旦按照這個趨勢發展，有人預測到2015年全世界有100萬人把自己個人的測序能夠問題，現在可以想象，如果隨著生物學技術研究，如果能更好的指導個性化診療和用藥，對于人的健康和醫學影響是不可估量的。

我們可以看到計算能力和測序能力逐步增加。

大數據另一個來源在藥物研發領域，也是在生物學的發展，藥物研發發展模式通過尋找癌癥，尋找藥物靶點，在化合物中尋找發現化合物，從前面基礎研究到后面基礎設置，相當密集型的過程，對于中小型的企業也在TB以上的。

第三個數據來源是臨床醫療，實驗室數據，不這些數據整合在一起，使得醫療機構面臨的數據增長非常快的，美國的匹斯堡大學醫學中心UPMC達到兩個TB。

第四個大數據來自于健康管理，移動醫療是這兩年非常熱的領域，企業調查說會達到14億美元，比2010年翻了10倍，便攜化的生理設備，隨著移動互聯網的發展也是大大普及，特別Web2.0的健康服務與健康網絡，關于自己個體健康信息，如果都能連入互聯網這個數量不可估量，移動互聯網8億，可以想像這是未來的重要的大數據來源。

以上我們看到的生物學領域關于大數據四個主要的來源，事實上這四個數據來源并不是孤立的，未來生物研究學的人士希望數據整合出來，挖掘分析能夠支持臨床的決策，要想實現這樣的目標或者說我們可以看到面臨大數據諸多的管理者和分析利用的諸多挑戰。事實上，這些挑戰解決非常難，現在利用云計算技術有些先行者和創新者公司和企業也嘗試用云計算解決若干個問題，并且也已經有了初步的成果，利用云平臺，云這樣的基礎解決方案以服務的形式發布出來，可以讓一般的中小規模的科研機構，研究所，能夠享用這些開放服務，站在別人的肩膀上繼續前進。

生物學大數據應用的四個方面

下面從四個方面來重點介紹一下在云出現的比較有影響的在云端生物學大數據的應用。這四個方面分別是基因測序，臨床藥物研發管理以及健康管理。第一個案例是Crossbow，這是對全基因分析的流程軟件，它的意義在于原來開發之前，完成一個人健康分析的在單個服務器，這軟件通過亞馬遜云平臺上的Hodoop把時間縮小了。結果來看，它現在在32CPU核上任務壓縮3小時不到，整個成本不到100美元，這是眾多工作中的一部分。從Crossbow項目開始，事實上相關公司投身到怎樣利用云計算加速DNS數據的分析，其中有個比較重要的叫DNAnexus，我們可以看到公司提供的服務初衷在實驗室經過測序儀，人類基因測一次數據，原始數據在100個G到600個G之間，通過服務導入到云服務平臺，后來提供了非常靈活的多樣化的各類各樣的關于數據的測序分析和比對的工作流程，數據可以有效的管理起來，并且測序結果能夠很好的以用戶很好的形式展現出來，或者把第三方數據安全可靠共享出來。

這是它的基本業務的圖，這個公司比較有名的一點，在去年谷歌投了1500萬美元，和谷歌一起接觸CPI的數據庫，它原來是基于亞馬遜的平臺來承載它的測序分析服務，當時號稱用了亞馬遜10個CPU，未來會遷移到谷歌云平臺來。除了DNAnexus美國研發投入非常快，也有些公司做類似的工作，因為這個領域中，基于基因測序的分析，所產生的這種無論是指導對方的診療，數據挖掘方面意義都非常之大。

第三是臨床醫療數據管理應用，美國的公司Explorys，它是基于私有云的模式，向第三方機構提供服務，第三方機構可以把自己臨床數據、運維數據財務數據托管到這個平臺來，這個平臺提供最大的好處能實時提供數據分析，這個規模托管了1300萬人，大概4400億的內容，數據規模在60個TB左右，2013年達到70個TB，頂層技術在Hodoop上走的。

第四個應用是電子病歷，這個公司也是美國的公司，叫Practice Fusion，美國這種是中小之多，降低成本可以使用Saas的方式，他們規模有10萬個，兩千萬個注冊病人，提供的功能醫生安排，病人的診療計劃與簽約，甚至面向病人個人的管理，他們也會提供。

第五個應用基于臨床的醫療方面的應用，這家研究中心是德州大學安德森腫瘤中心，在全美名列前茅，滿足自己醫院臨床診療服務，民像分析服務他們自建了私有云，提供了資源合理的虛擬化和動態的處理能力，私有云現在來看，它的能力在八千個處理器并且能夠支撐三個TB以上的數據，他們承載能力非常多樣，包括腫瘤的病理學的研究、流行病學，對于病因的精準預測和模型研究，他們之所以承建打算用私有云技術來解決，他們有兩方面考慮，一方面是大型私人醫療機構很關心病理的問題，他們數據規模相當大，用了10億張的數據，據他們CIO說，他們幾家大的提供商來交流，發現公有云給他們提供的服務平臺的服務質量保證， 可能沒有辦辦法接受，所以打算自己投資建立私有云的數據中心。

第六個案例是藥物研發過程管理，藥物研發管理是耗時非常長，數據量非常龐大的過程，日本富士通公司針對研究過程中的數據管理提供了Saas服務，這個服務主要面向日本的中小型企業，在美國有一家公司做得比較好，AMAG，這家公司2009年完全把IT業務，自己不買服務器，并且所有的業務都是采用SaaS模式的軟件服務，目前他們使用了很多家的SaaS服務，包括存儲，他們現在在Egnyte存儲量達到6TB，他們這個非常鮮明，目前來看，他們數據安全得到有效的保證。

最后案例介紹的微軟的HealthVault，很多人應該知道這個平臺，它是2007年發布的，目標希望來管理個人及家庭的健康儀，現在達到功能比如說手中可以來錄入上傳，可以從便攜設備，到第三方的機構導入病歷記錄，通過提供開放的SDK或者開放的接口支持與第三方應用的集成，提供實現了Store的模式應用。這是微軟自己私有云，現在 號稱這個云往安卓上遷移，前段提供了Web，生理檢測設備提供了標準接口的模式。對以上的發言做個小結，可以看到在生物醫學的大數據應用領域，已經嘗試大數據的來做，他們更多的基于無論公有云還是私有云，最終都是希望能夠提供把大數據能力開放出來。現在從大數據研究來看，都是在歐美。

可以說從以上應用可以看到，很多廠商他們考慮利用云計算處理大數據的時候更多考慮安全和帶寬成本問題，大數據集中在本地，極端在云端數據交換開銷往往使你的業務性能非常受拖累，之所以很多應用遷移到云端重要的考慮大數據本身也在往云端遷移，特別在生物醫學領域現象非常明顯，在亞馬遜，現在包括生物醫學領域這種TB的數據，在亞馬遜都有很好的做法，你在上面部署數據流程的在亞馬遜自然可以使用這些數據。云計算在Hadoop起到了非常重要的作用。可以看到隨著測序技術的普及，臨床病歷，生物學快速運用進入常態化，我們面對各種應用基本都是大數據應用，云計算為大數據應用提供了很好的模式，我們應該推動醫學數據的整合與應用，并且借鑒Marketplace的模式來構建我們自己的生物醫學的數據集資源。