下面从四个方面来重点介绍一下在云出现的比较有影响的在云端生物学大数据的应用。这四个方面分别是基因测序，临床药物研发管理以及健康管理。第一个案例是Crossbow，这是对全基因分析的流程软件，它的意义在于原来开发之前，完成一个人健康分析的在单个服务器，这软件通过亚马逊云平台上的Hodoop把时间缩小了。结果来看，它现在在32CPU核上任务压缩3小时不到，整个成本不到100美元，这是众多工作中的一部分。从Crossbow项目开始，事实上相关公司投身到怎样利用云计算加速DNS数据的分析，其中有个比较重要的叫DNAnexus，我们可以看到公司提供的服务初衷在实验室经过测序仪，人类基因测一次数据，原始数据在100个G到600个G之间，通过服务导入到云服务平台，后来提供了非常灵活的多样化的各类各样的关于数据的测序分析和比对的工作流程，数据可以有效的管理起来，并且测序结果能够很好的以用户很好的形式展现出来，或者把第三方数据安全可靠共享出来。
这是它的基本业务的图，这个公司比较有名的一点，在去年谷歌投了1500万美元，和谷歌一起接触CPI的数据库，它原来是基于亚马逊的平台来承载它的测序分析服务，当时号称用了亚马逊10个CPU，未来会迁移到谷歌云平台来。除了DNAnexus美国研发投入非常快，也有些公司做类似的工作，因为这个领域中，基于基因测序的分析，所产生的这种无论是指导对方的诊疗，数据挖掘方面意义都非常之大。
第三是临床医疗数据管理应用，美国的公司Explorys，它是基于私有云的模式，向第三方机构提供服务，第三方机构可以把自己临床数据、运维数据财务数据托管到这个平台来，这个平台提供最大的好处能实时提供数据分析，这个规模托管了1300万人，大概4400亿的内容，数据规模在60个TB左右，2013年达到70个TB，顶层技术在Hodoop上走的。
第四个应用是电子病历，这个公司也是美国的公司，叫Practice Fusion，美国这种是中小之多，降低成本可以使用Saas的方式，他们规模有10万个，两千万个注册病人，提供的功能医生安排，病人的诊疗计划与签约，甚至面向病人个人的管理，他们也会提供。
第五个应用基于临床的医疗方面的应用，这家研究中心是德州大学安德森肿瘤中心，在全美名列前茅，满足自己医院临床诊疗服务，民像分析服务他们自建了私有云，提供了资源合理的虚拟化和动态的处理能力，私有云现在来看，它的能力在八千个处理器并且能够支撑三个TB以上的数据，他们承载能力非常多样，包括肿瘤的病理学的研究、流行病学，对于病因的精准预测和模型研究，他们之所以承建打算用私有云技术来解决，他们有两方面考虑，一方面是大型私人医疗机构很关心病理的问题，他们数据规模相当大，用了10亿张的数据，据他们CIO说，他们几家大的提供商来交流，发现公有云给他们提供的服务平台的服务质量保证， 可能没有办办法接受，所以打算自己投资建立私有云的数据中心。
第六个案例是药物研发过程管理，药物研发管理是耗时非常长，数据量非常庞大的过程，日本富士通公司针对研究过程中的数据管理提供了Saas服务，这个服务主要面向日本的中小型企业，在美国有一家公司做得比较好，AMAG，这家公司2009年完全把IT业务，自己不买服务器，并且所有的业务都是采用SaaS模式的软件服务，目前他们使用了很多家的SaaS服务，包括存储，他们现在在Egnyte存储量达到6TB，他们这个非常鲜明，目前来看，他们数据安全得到有效的保证。
最后案例介绍的微软的HealthVault，很多人应该知道这个平台，它是2007年发布的，目标希望来管理个人及家庭的健康仪，现在达到功能比如说手中可以来录入上传，可以从便携设备，到第三方的机构导入病历记录，通过提供开放的SDK或者开放的接口支持与第三方应用的集成，提供实现了Store的模式应用。这是微软自己私有云，现在 号称这个云往安卓上迁移，前段提供了Web，生理检测设备提供了标准接口的模式。对以上的发言做个小结，可以看到在生物医学的大数据应用领域，已经尝试大数据的来做，他们更多的基于无论公有云还是私有云，最终都是希望能够提供把大数据能力开放出来。现在从大数据研究来看，都是在欧美。
可以说从以上应用可以看到，很多厂商他们考虑利用云计算处理大数据的时候更多考虑安全和带宽成本问题，大数据集中在本地，极端在云端数据交换开销往往使你的业务性能非常受拖累，之所以很多应用迁移到云端重要的考虑大数据本身也在往云端迁移，特别在生物医学领域现象非常明显，在亚马逊，现在包括生物医学领域这种TB的数据，在亚马逊都有很好的做法，你在上面部署数据流程的在亚马逊自然可以使用这些数据。云计算在Hadoop起到了非常重要的作用。可以看到随着测序技术的普及，临床病历，生物学快速运用进入常态化，我们面对各种应用基本都是大数据应用，云计算为大数据应用提供了很好的模式，我们应该推动医学数据的整合与应用，并且借鉴Marketplace的模式来构建我们自己的生物医学的数据集资源。
