对付大数据的小伎俩

从此，所有人都倒向鸟枪法。

每次只拿一条序列，速度还是成问题。人基因组计划历时10年，光文特尔的私人公司就花了10亿美金，只测出一个人的基因。还有谁能付得起这样的代价呢?於是，提高规模就成了紧迫的任务。如果一次检验能拿到几百万条序列，读基因不就像读小说了吗?这一看似不可能的梦想，人们还真的通过平行测序做到了。但是任何事情都有两面。为了实现超大规模，就不得不牺牲长度，由1000倒退回100。新技术刚起步的时候还要短，只有区区35个字，简直令人齿冷。尽管长度短，数据总量却不少，是原来的6百万倍。靠长度35的片段居然能拼出基因组，不能不令人惊叹。基因技术终於跨出了一大步，被尊为第二代。

官二代、富二代，都不如基因技术第二代。这一跨越留给人们的印象实在太深了，流风余韵，以至今天，尽管二代技术的长度能轻松达到两三百，还是经常有人问：你们还做35吗?

片段化看似笨拙、凌乱，没有效率，却是快刀斩乱麻地解决复杂问题、对付大数据的不二法门。我们做美味的狮子头，要把五花肉乱刀剁碎。被剁碎的基因组，味道也很鲜美。

创新没有止境。新技术虽然大获成功，但是读长实在短了点，对不住人，数据组装相当吃力。那是用筷子拼出京广线的活儿，计算机都是一屋子、一屋子地摆着，蔚为壮观，也令人望洋兴叹。如何提高效率呢?人们又想起了基因分组的老黄历。把基因切成大片段后，分别做好标记，各自处理成二代测序所要求的长短，再混合起来一起测序。在数据组装的时候，先按记号分别组装，形成骨架，再用骨架进行第二轮组装。本来一步完成的任务，现在分成两步，计算机的负担大大降低。想出这个金点子的人也成立了一家公司，总共只有6名员工。小公司被大公司收购，花费1.6亿美元。

看完近30年来基因技术的发展历程，你也许很不服气：这算什麽，也不过大虫拿人，只是一扑、一掀、一剪;对付基因组，只有延长、分组、拼图三招，程咬金的三板斧，来回折腾。是的，治大国若烹小鲜，对付大数据，要用小片段。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友