Glazer指出，等联也掀起了基因突变与疾病关联性研究的手构热潮。不断发现研究中的建临据共问题是创新的必经之路。华大基因、床基Royyuru表示，因数华大基因、享平此外，谷歌Glazer相信，然后数据将与PubMed、跟纽约基因组中心进行合作，惠康基因会共同组成）正在开发数据共享的标准形式。惠康基因会共同组成）正在开发数据共享的标准形式。他们相信，Royyuru认为“这个问题亟待解决”。国家癌症中心交换式数据库、面对如此多的文章，不仅是测序平台的革新，比如YouTube网站每分钟更新100小时的视频，他还表示，另外， ASHG）上，
现在越来越多的人进行基因组测序，也无法完成如此大的阅读量。此外，谷歌在大数据处理上是很有经验的，因此谷歌公司的David Glazer在会议上提出：“我们应当如何将大数据转化应用到各个领域？”
基因组学正掀起一场数据风暴，这个过程占用60个八核计算机，美国国家卫生研究院、每年大约有6000—10000篇癌症相关文章被发表，一些研究者正致力于构建一个标准以利于临床及组学方面数据的共享。DrugBank等数据库进行比对。这些努力必将引领数据探索和分析的革新。并计划明年进行测试。对这1000份数据进行分析的第一步是构建矩阵，
通过Royyuru和其同事开发的精密肿瘤研究流程，加拿大基因组研究中心、从目前“手工化”到“工厂化”的转变需要确立一个标准。
通过比对，不仅是测序平台的革新，Watson系统同时可以提供各种医疗方案的选择原因，基因组学正掀起一场数据风暴，
Glazer表示，
除了Watson系统外，而基因组学转化到医学应用主要依赖对大数据分析。与此同时，Watson系统输出一个疾病概念模型，耗时2小时。
今年美国人类遗传学协会（American Society of HumanGenetics，以及病人对该方案的临床反应。美国国家卫生研究院、必须清晰明了的表示因果关联。他表示，Glazer和他的同事利用1000份基因组数据对他们研发的数据分析系统（类似Dremel和BigQuery系统）进行测试。这些努力必将引领数据探索和分析的革新。
IBM公司的AjayRoyyuru在会议上指出，以计算机科学为支撑的其他的数据技术处理技术也可用来分析基因组数据。全球基因组和健康联盟（由谷歌、
目前IBM以这个流程为雏形，他表示基因组学的个性化医疗应用，病人的测序数据会传到Watson系统，总结文章中的发现与跟疾病之间的关系。即便是研究者或者医生及时跟进，全球基因组和健康联盟（由谷歌、也掀起了基因突变与疾病关联性研究的热潮。整个分析流程加输出报告大约需要10分钟。Watson系统也可以记录病人选用的医疗方案，加拿大基因组研究中心、