6个月时，只有14%的患者发生了疾病进展。

黄热病主要通过埃及伊蚊，也被称为黄热病蚊子的叮咬传播。第三个人则向瓶中添加一些液体，随后再将这些胚胎混合成为包含数以百万减弱病毒颗粒的红汤。

随着疫情在该国扩散，非洲其他国家和中国均发现了输入性病例，全球处于黄热病疫苗紧缺状态二孩时代，我们是否准备好了？近期，《生命时报》记者多次来到全国知名的妇产专科医院——北京妇产医院一探究竟。门诊超过一半都是二胎高龄孕妇2月2日早上8点，北京妇产医院的产科门诊外挤满了人，孕产妇们从诊室里一直排到诊室外，产二科副主任周莉和她的助手早早就开了工。现在多生一个，以后自己孩子的赡养负担就没有那么重了。她的全部行动路线，就是在座位和检查床之间不停往返，为每个孕妇完成问诊—胎心监测—妇科检查等一系列既定步骤。

中国工程院院士、传染病学专家李兰娟认为，这甚至可以说是我国现行妇幼保健、产科儿科服务体系面临的近30年来最为强大的冲击。在她出诊的不足5平方米的房间内，记者看到，仅等待就诊的孕妇就不下10人，小诊室被塞得满满当当。4、打印活体组织虽然当前还不能全面迅速的实现，但是专家预测，在20年内将实现真正的全功能3D打印心脏。

生物打印公司BioBots希望替换大型复杂的传统设备，而使用小型、低成本的桌面打印机来打印活细胞。接下来将会发生什么在3D打印技术成为一种常见的医疗业务之前仍然存在一些问题，首先对于多数准备开展实验的公司来说，所需投资的规模就是一个挑战，另外，据Ventola称，打印药物的概念通常媒体都会一带而过，在实际操作中所花费的大量资金和时间也常常被低估，公众对此项创新的期待值还远远不够。2、独特的剂量3D打印技术也可以用来生产独特剂量的药物，这一过程是通过喷墨式3D打印技术来实现的。作为药品生产企业，他们开始意识到这对他们制造更有效的药物是一个难得的机会，在未来几年里，他们会在增加在该领域的研究和投资。

最新研究结果显示，健康和医疗行业发展迅猛。此外还有安全问题，由于该项技术过于先进，3D打印还缺乏监管。

但是打印心脏、肝脏和肾脏这样复杂的器官就比较困难了。Ventola写到：所谓车库生化实验室的存在，有可能促进生命科学领域的创新，这些实验往往都是秘密进行的，从而避免了执法部门的干扰，尽管这项研究在技术上是合法的。而现在，3D打印技术将可能有机会应用于个性化医疗当中架构部署总体规划架构需要以各种基础设施和信息技术进行部署。

负载编排器本节介绍基因组负载编排所面临的挑战，并利用编排工具帮助减少负载管理工作。图9 应用中心基因组工作流图中表示了端到端基因组工作流（BWA-GATK），通过应用中心站点被启动并可视化，从左侧开始依次为：框1：数据到达后自动触发工作流开始工作。这个过程会在帐户文件中记录文件类型、大小、使用情况（如用户最后访问的时间）和系统使用信息。下面的章节，将阐述此类参考架构的关键部件、各种最佳实践及项目经验。

一家美国大型基因组中心，在采用了Illumina公司的X10全基因组测序算法后，一直挣扎于如何管理快速增长的数据。这些模块自身可作为独立工作流被集成，并按照逻辑和条件关系被连接到一个更大的工作流中。

结束语为了满足基因研究对于速度、规模和智能化的苛刻需求，面向负责创建和提供生命科学解决方案的专业技术人员（如科学家，咨询顾问，IT架构师和IT专家等），该领域出现的端到端参考架构正结合各种基础设施和信息技术被部署到越来越多的研究机构中，而基于这种架构的客户和合作伙伴生态系统也在不断生长，逐步丰富着相应的解决方案和产品。数据集线器解决方案和应用案例频谱规模的特性是高性能、可伸缩和可扩展，它专为高性能并行计算优化而研发，在计算系统的所有并联计算节点之间，频谱规模可服务于高带宽大数据。

基于这样的需求，多种技术和解决方案正在研发，有些已经完成并已投入商用，如Lab7的ESP平台和General Atomics的Nirvana。基因组数据需要端到端的溯源以提供完整的审计跟踪和可重复能力。基于对元数据的闪电扫描收集信息，启用基于策略的数据生命周期管理。数据量基因组数据因测序成本的急剧下降不断涌现，对于配备了新一代测序技术的学术医学研究中心AMRC，数据存储容量每6至12个月翻一番已变得司空见惯。框2：使用BWA进行序 列比对的动态子流。负载管理器还需要高度可扩展和可靠性以管理批量提交的大型作业，这是中大型基因组计算机构的通用需求。

如基因组研究中心可拥有、运营和版本控制所有的参考数据库或数据集，而附属、合作网站或中心可通过这种共享功能访问参考数据集。鉴于基因组工作流可由数百个应用程序组成，同时这些应用参与着大量文件的并行数据处理，这种能力对计算基因工作流提供数据而言至关重要。

有许多负载类型可被集成到工作流引擎，如并行高性能计算应用程序，大数据应用程序，或者分析负载的R脚本。随着成百上千种不同的负载在并行计算环境中同时运行，以I/O带宽和IOPS衡量的存储速度将不断累积并爆发式增长。

AFM可扩展全局命名空间到多个站点，允许共享元数据目录或映射远程客户端家目录到本地作为缓存副本。数据管理的挑战大数据的四个V恰恰是基因组数据管理的挑战：非常大的数据流和容量（数据量Volume），苛刻的I/O速度和吞吐量要求（数据存取速度Velocity），快速进化的数据类型和分析方法（数据多样性Variety），以及共享能力和探索大量数据的环境和可靠性（数据置信度Veracity）。

这三个平台共享企业级功能：负责数据管理的集线器、负载负载管理的编排器和负责访问管理的应用中心。元数据管理：此功能为前面三点提供了基础。图3 基因组研究参考架构示例图中蓝色表示基因组研究平台、绿色表示转化平台、紫色表示个性化医疗平台。如工作流可被设计用于处理基因组原始数据，以使其更切合测序器需要，并使用远程大数据集群的MapReduce模型进行序列比对和组合。

多集群存储：即计算集群可直接访问远程系统并按需要存取数据。目前，很少用不公开标准或惯例来捕捉溯源信息，因为它可能导致重要计算分析数据的缺失。

数据集线器数据管理是基因组研究平台最根本的能力，因为海量的数据需要在正确的时间和地点以恰当的成本进行处理。这个问题同样潜伏在其他因素中，例如以复杂数据、工作流程或渠道作为高层次分析过程，或者所用的应用程序频繁发布更新。

当数据库的核心副本得到更新，其他站点的缓存副本也会迅速更新。数据置信度许多复杂的身心机能失调，如糖尿病、肥胖、心脏病、阿尔茨海默氏症和自闭症谱系障碍等，要研究它们的多因素特性，需要在广泛的来源中实施缜密复杂的计算，统计分析大流量数据（基因组、蛋白质组、成像）和观察点（临床、症状、环境、现实证据）。

此外，新型的基础设施可被添加到资源池，包括大数据Hadoop集群、Spark集群、OpenStack虚拟机集群和Docker集群。实时监控应用中心监控还需提供了一个基于门户的仪表板，提供全面的负载监控、报告和管理功能。基因组研究基础设施的日益分散性也要求更大甚至全球规模上的数据管理。对应用中心要求对应用中心的要求包括如下两点：基于站点的目录功能：它可访问应用程序、工作流和数据集，并将它们可视化。

例如，临床数据（基因组和成像）需要被恰当和完整的标识以保护研究课题的机密性。应用就绪：整合多种应用到一致的环境，提供数据管理、版本控制、负载管理、工作流编排，以及通过访问执行和监控等多种功能。

主要有两种类型：二进制队列或图即BAM（由基因组序列比对产生）和变型调用文件即VCF（处理后得到的基因变型），此类文件往往大于1TB，可占用典型基因组数据仓库存储总量的一半。同样的数据集，特别是参照数据或输出数据，可以在不同地理位置存在多个拷贝，或者因法规要求在同一位置存在多个拷贝（如因临床测序平台与研究机构物理隔离产生的多重数据副本）。

随着越来越多的机构以分布式资源部署混合云解决方案，编排器可基于数据位置预定义策略、临界值和资源有效性实时输入来均衡负载。基于负载信息管理转换资源是对资源管理器的基本需求。