近日，百迈客云3.0正式上线，继续引领国内生命科学研究模式新变革。
变革：从线下到线上的基因组学数据分析模式变革
基因组学研究为21世纪生命科学研究领域中非常重要关键的一部分，而随着近年来高通量测序技术的快速发展，基因数据呈现出指数增长，以高通量测序数据库SRA（NCBI维护）为例，2009年数据收录量为10TB，2011年接近100TB，2014年突破了1PB，2015年接近5PB，2016年有望突破10PB。依赖于本地服务器与专业生信分析人员的传统数据分析模式已经难以满足这一大数据背景下的基因组学研究。面对基因数据的指数积累，传统解决方案是添置更多的本地服务器，招募更多的生物信息分析人员，而服务器配置维护、人员招募成本高昂，且可操作性低；其中部分生物学实验室会选择依赖于第三方测序数据分析服务提供商。依赖于第三方数据分析服务存在分析周期长、沟通成本高、标准化的分析无法满足科研需求等缺点，这些已经严重制约了基因组学的顺利开展。
百迈客云整合新型的云计算技术与6年的生物信息分析经验为国内的基因组学研究者提供了合理高效的新型解决方案。
云计算的独到之处就在于几乎可以提供无限廉价的存储与计算能力。借助云计算技术，基因组学研究者可以通过网络方便的获取大量基因数据分析所需要的基础计算资源（存储、计算等），无需购置昂贵的本地服务器。百迈客云借助这一技术轻松满足了大数据背景下基因组学研究人员对于基础计算资源的巨大需求。
作为国内将云计算与生物信息融合的先驱者，百迈客云采用独创的云计算文件系统BMKFS，该文件系统由百迈客研发人员针对生物信息分析的特点开发，支持本地的块存储和基于云的对象存储（例如AWS的S3和阿里云的OSS）。使得用户可以像使用本地硬盘一样使用存储，同时还提供了无限量存储空间的扩展能力，大大提高数据可用性。此外，文件系统还提供了多用户资源隔离的机制，具备多种鉴权和授权机制，确保用户的数据安全。该文件系统与现有的S3FS,S3QL相比，读写性能都有了极大提升。另外，数据安全作为数据分析过程中的重中之重，百迈客云平台采用底层数据加密存储，提供了严格的用户资源隔离，并利用完善的角色权限控制对用户数据进行多级数据权限控制，网站的数据传输采用SSL加密传输协议，从多个层面确保用户敏感的基因数据的安全。
作为专门为国内基因组学研究者打造的生物信息分析云平台，针对国内生物信息分析人员相对稀缺、对第三方数据分析服务提供商依赖性较大的特点，百迈客云提供了相较于国内外同类型云计算平台更高集成化程度的基因组学数据挖掘平台，无需用户自己整合各类分析软件搭建分析流程，真正意义上实现一键完成数据分析，另外分析平台还提供了独创性的个性化分析数据挖掘功能，分析内容更加全面，无需依赖第三方，得到更加符合预期研究目的的数据分析结果，目前分析平台覆盖了转录调控、微生物多样性、动植物重测序、人类疾病等多个组学研究领域。另外，百迈客云也为用户提供了更加快速、准确的公共数据检索与分析功能，让你的分析更加有章可循，有据可参。
百迈客云是一个集大数据挖掘、共享、管理和科研协作的整合平台，优质的基础资源通过网络随时获取，可视化的操作界面适合无任何编程基础以及生物信息分析经验的研究者，我们要做的就是让你只需专注于科研，无需考虑IT。
百迈客云的出现是对生命科学研究模式的变革！
引领：从百迈客云测试版到百迈客云3.0，从早期测试到功能日趋完美
百迈客云于2014年5月开始上线测试，2015年9月召开产品论证会，到会专家有华中农业大学信息学院院长张红雨教授，中国科学院北京基因组研究所章张研究员，阿里云批量计算服务、高性能计算产品经理、高级专家丛兰兰女士，微软资深合作伙伴、技术顾问、云计算家杨永波先生，论证会上专家们就云平台的前期开发给予了充分的肯定，一致认为，百迈客生物云平台达到国际先进水平。2015年10月百迈客商业版百迈客云1.0云正式上线运营，成为了国内第一个适用于多个组学研究领域的综合性的商业化运营生物云计算平台。
目前百迈客云已经积累的数以千计的注册用户，已经为国内基因组学研究人员成功解决了数百项的数据分析难题。平台开发人员由引进于VMware、微软的资深云计算工程师与已处理过上万个项目、发表数百篇SCI核心期刊文章的生物信息分析团队组成，采用敏捷软件开发模式，实现了系统的快速升级与功能的快速优化，从测试版本上线到近日的百迈客云3.0上线，平台已经完成了数十次的整体升级与数百项的功能优化。
百迈客云3.0的上线旨在为用户提供最全面的分析内容、最友好的用户界面、最流畅的分析体验、最简单智能的分析操作，期待您的体验与使用。
未来展望
百迈客云以基因数据的在线分析出发，让更多的用户通过百迈客云平台将数据分析变的简单、经济，为生命科学研究提供强有力的支持。未来百迈客云希望用户在使用云平台时既可以实现对数据的分析、共享，具有相同领域的用户可以进行交流协作，也可以针对具体数据的处理进行分析工具的开发，实现整个研究体系的互动和和谐发展。
