生物医学大数据：
收集数据后对数据的分析，如同看相，而对数据信息的挖掘可以看作是算命。这两个过程是基于算法和软件这类工具之上的。
在存储方面：在硬件上，为了Parallel computing的目的，刚开始选择的处理器是multiple core，之后选择many integrated core architecture（MIC：英特尔® 集成众核架构（英特尔® MIC 架构）产品为开发人员提供了一个关键优势：它们基于标准的现有编程工具和方法运行），之后选择GPU（大内存），之后是FPGA（电场可编程逻辑闸阵列，它是在PAL、GAL、CPLD等可编程逻辑器件的基础上进一步发展的产物。它是作为专用集成电路领域中的一种半定制电路而出现的，既解决了全定制电路的不足，又克服了原有可编程逻辑器件门电路数有限的缺点。但是就生物信息学领域只能跑GATK），如今又有了超级计算机。
No free lunch：由CPU到超算，灵活性下降但是专有性上升，同时存在的问题是费用变高。现如今的生物信息学分析，正在使用更为专有性的硬件，也更加费钱。
因此，面临Massive data和由于data transfer造成的cost，可以有以下基于软件的应对方法：
1.尽可能传输压缩包
2.decouple：将原始数据分析拆解，选择有需要的类型，会减少数据量
3.使用dataset保存分析结果：因为生物数据的特点是a.快速增长b.异构c.一次读多次写,所以以数据特征作为研究对象更为重要，将这些数据特征存入数据库更可以方便查找。
4.去冗余：将原始数据中重复部分去掉。
对于Data的处理过程中，需要注意：
1.要对数据进行Analysis，mining（即是prediction），visual。其中，Data mining这个过程是：首先先能够建立scientific model，这个model是一种grey box，它有别于white box或者black box。white box是研究现象的本质，black box是由现象1指向现象2，它们其中是没有过程的，即不知道为什么；而grey box是通过statistical定量得到的，是利用统计学将不确定是否发生的概率数据化，将预测变成可以度量的数字。因为统计学是将现象1和现象2用数学公式联系在一起，其中数公式反应的是两者的关联强度，并对这个关联强度定量，所以人们利用这个定量值make decision，这个decision可以是判定这些原始数据与某patterns关联很大（或反应了某pattern），据此有一个结论，就是“是or不是某pattern”，根据这个结论，科学家可以找到new knowledge。
2.明白Meta-data（元数据，又称诠释数据、中介数据、中继数据、后设数据等，为描述其他数据信息的数据。）与raw-data之间的关系，因为生物信息学数据有一次读多次写（或者多次分析）的特点，所以应该分离读写。
3.同时面临越来越多的数据必须要扩大内存。
