关于技术在基因组学中的作用的讨论总是集中在本世纪初以来DNA测序的巨大增长上，增长速度超过了摩尔定律，并导致了1000美元的基因组。然而，未来的增长预计会更加惊人，而要成为现实，我们需要更强大的基因组分析工具。Apache Spark为这些新工具提供了基础，包括我将在本次演讲中介绍的两个工具:GATK和Hail，它们都是来自Broad Institute的开源项目。bob下载地址GATK和Hail是互补的:GATK提供了将DNA序列数据转化为Hail所需的原材料(变体调用数据)的管道，以便对数千个个体进行遗传分析。GATK最初是一个单一进程程序，但现在已经被移植到Spark上大规模运行。从一开始就编写了Hail，以便在Spark上运行。在这次演讲中，我将介绍这些框架如何利用Spark进行扩展，让现有数据格式与Spark一起工作的一些挑战，以及未来的一些计划。
会议标签:#EUres9
Tom White是Cloudera公司的数据科学家，专门研究大数据和生物信息学。在此之前，Tom是Cloudera的分布式系统工程师，负责Hadoop技术，自2008年Cloudera成立以来，他一直在那里工作。Tom是Apache Hadoop提交者，也是O'Reilly Media出版的畅销书《Hadoop:权威指南》的作者。