Jag har testat den kostnadsfria versionen av InsideDNA, och dessa var mina anteckningar:

• Kostnad: $ 225 / månad för ett team på 5 med 50 TB lagring eller $ 45 / månad med 10 TB lagring för privatpersoner (förutsatt 6 månaders paket: https://insidedna.me/pricing).
• Programvara installerad: Cirka 600 bioinformatiska verktyg tillgängliga och standardkommandoradsverktyg; några populära verktyg saknas (som CD-HIT), men bör kunna installeras på begäran.
• Jobb: Maximalt 32 processorer och 208 RAM per inlämning av jobb. Testjobb fungerade vanligtvis, även om ett större testjobb misslyckades.
• Andra punkter: Kommandoraden var ibland långsam, wget frågorna var långsamma och scp var blockerad. Det kan dock vara lösbara problem.

Sammantaget kände jag att InsideDNA kunde vara användbart för grupper utan egen beräkningsinfrastruktur och kunde användas för att enkelt dela resurser mellan grupper. Paketen som erbjuds verkar inte dyra, men jag hade några problem och jag vet inte hur bra deras systemadministratörsstöd skulle vara.

Jag har inte använt Amazon-tjänsten, så jag kan inte kommentera bortom detaljerna på deras webbplats. Det finns också några alternativa företag, som Genestack och DNAnexus, men jag har inte heller testat dem heller.

Jag är inte säker på vilka typer av bioinformatikuppgifter du vill utföra, därför är det svårt att ge en bra rekommendation.

Om du specifikt arbetar med statistisk genetik kan jag rekommendera Hail [1]. Hail är ett open source-verktyg för att analysera genetikdata i tiotals terabyte-skala. De flesta av Hagels användare gör sin vetenskap i Jupyter-anteckningsböcker som stöds av Google Cloud Platform Dataproc-kluster. Hail tillåter dig att utföra en mängd olika statistiska genetiska uppgifter inklusive:

• filtrering och aggregering för kvalitetskontroll
• delmängd, linjär regression, linjär blandad modellregression och linjär belastningstestning
• verktyg för beräkning av olika mått på släkt
• analys av huvudkomponenter
• variantuppdelning
• import / export från olika format inklusive PLINK , VCF och BGEN, och
• ett python-API som möjliggör användning av bibliotek som matplotlib för att plotta analysresultat

Att lära sig specifikt om hur du använder Hail med Google Cloud Plattforms- och Jupyter-anteckningsböcker, jag rekommenderar starkt Liams Hail-foruminlägg om hans molnverktygsförvar.

Här är ett exempel från Hail-handboken, av använder Hail för att utföra en viss kvalitetskontroll och visa en spridningsdiagram över de två första huvudkomponenterna hos individerna:

  från hagelimport * import m atplotlib.pyplot som pltimport matplotlib.patches som mpatcheshc = HailContext () tabell = hc.import_table ('data / 1kg_annotations.txt', impute = True) .key_by ('Sample') common_vds = (hc.read ('data / 1kg .vds ') .annotate_samples_table (tabell, root =' sa '). sample_qc () .filter_samples_expr (' sa.qc.dpMean > = 4 && sa.qc.callRate > = 0,97 ')' .filter_ '.' = g.ad [1] / g.ad.sum () i ((g.isHomRef && ab < = 0,1) ||
(g.isHet && ab > = 0,25 && ab < = 0,75) || (g.isHomVar && ab > = 0.9)) '' '.) .variant_qc () .filter_variants_expr (' va.qc.AF > 0.01 ') .ld_prune (memory_per_core = 512, num_cores = 4 )vd.ca = 'sa.pca', k = 5, egenvärden = 'global.eigen') pca_table = pca.samples_table (). to_pandas () colours = {'AFR': 'green', 'AMR': 'red', 'EAS ':' svart ',' EUR ':' blå ',' SAS ':' cyan '} plt.scatter (pca_table ["sa.pca.PC1"], pca_table ["sa.pca.PC2"], c = pca_table ["sa.SuperPopulation"]. karta (färger), alfa = .5) plt.xlim (-0.6, 0.6) plt.xlabel ("PC1") plt.ylabel ("PC2") legend_entries = [mpatches.Patch (färg = c, etikett = feno) för feno, c i färger. artiklar ()] plt.legend (handtag = legend_entries, loc = 2) plt.show ()  

[1 Ansvarsfriskrivning: Jag jobbar med hagel

Beroende på dina applikationer och användningar kan du vara intresserad av att kolla in CyVerse. Det är ett NSF-finansierat initiativ som ger dig datalagring, högpresterande datorresurser och enkel åtkomst till vanliga verktyg. Så vitt jag vet är det gratis att använda när du har ett konto. Jag stöter också vanligtvis på att den används med växt- och mikrobiell genomik, så jag är inte säker på hur det kommer att fungera med något som humana genomikprojekt. Men det kan vara värt att kolla in åtminstone. :)

Mer information: http://www.cyverse.org/about

Det beror verkligen på vad du försöker göra, men här är några tjänster jag känner till.

• GATK på Google Genomics Cloud: Google och Broad erbjuder en molninstans skräddarsydd för GATK-rörledningar.
• Genomics på Amazon Web Services: Jag tror inte att det finns något som gör detta unikt, men Amazon erbjuder resurser för att hjälp att komma igång med genomik / life science-centrerade molnlösningar.
• Illumina Bioinformatics: Illumina arbetar med en hel serie bioinformatikprogramvara för molnet.
• Cancer Genomics Cloud: Detta är specifikt för cancergenomik, men jag tror att Seven Bridges låter dig driva in alla slags data i verktyget och analysera det.

Google Genomics

Google har ett API som heter Google Genomics.

SNPedia

"SNPedia är en wiki som undersöker mänsklig genetik . "snpedia.com

Promethease

" Promethease är ett litteraturhämtningssystem som bygger en personlig DNA-rapport "promethease.com

DNA Land

"Jämför DNA med referensdata från olika populationer" dna.land

CyDAS-projektet

Och det finns CyDAS-projektet som har ett API som kan analysera ISCN-formler. Enligt deras webbplats: deras API "låter dig analysera en Karyotype för praktiskt taget all information som kan extraheras från karyotyper och omlagringar däri: vinster och förluster av kromosomalt material, brytpunkter, korsningar ..." Det är en gratis tjänst, men jag vet inte hur uppdaterad den är.

DNAnexus - http://dnanexus.com

BaseSpace - http://basespace.illumina.com

Seven Bridges Genomics - http://www.sbgenomics.com

Curoverse http://curoverse.com

InsideDNA http://insidedna.me/

Det finns ton av dem. Utöver de utmärkta som alla nämnde

1. iRods

2. Arvados

3. Galaxy