近年来，二代基因测序技术的迅速发展使得测序平台产生的数据量大幅增长。以GATK、BWA等工具组成的二代测序数据分析流程在业内得到了广泛的使用。现有的数据处理工具和方法受限于并行扩展性差、难以移植等问题，无法满足大量基因组数据的处理需求。当下Hadoop、Spark等大数据技术为解决大数据处理中的存储和计算问题提供了新的解决方案。尤其是Spark具备良好的性能、扩展性和容错性，非常适用于对基因组数据分析流程进行优化和加速。　　本文介绍了面向基因组数据分析的编程框架SparkSeq。框架定义了一套用于构建基因组数据分析流程的数据结构和程序模板，方便用户基于框架进行流程的开发。我们将基因组数据分析流程分为aligning、 cleaning和variant calling三个阶段，分析每个阶段常用的基因数据处理算法的可并行性，并且给出Spark上的实现方式。同时，框架定义了一套用于定义基因组数据分析流程的API，并且实现了用于流程执行顺序分析和自动优化的流程执行引擎。此外，框架中还集成了冗余计算消除、数据压缩等优化手段。　　我们以GATK best practice中的WGS流程为例对框架进行性能测试。测试环境包括曙光刀片集群和天河Spark集群。实验结果表明程序扩展性可以达到2048核，且相比128核时的加速比达到7.25倍。程序能够在24分钟内完成对从47×的FASTQ数据到VCF的处理过程。