四、精準醫(yī)學才剛剛上路

精準醫(yī)學現在發(fā)展到了哪一步？精準醫(yī)學剛剛上路，相對前沿學術內容，精準醫(yī)學的發(fā)展還有很多困難、很多挑戰(zhàn)，所以我們還有很遠的路要走。

（一）基因組、轉錄組中的挑戰(zhàn)——基因組中的暗信息

我們測量一個遺傳密碼的作用有多大？在不久的將來，花100美元，我們每個人都可以測自己的遺傳密碼。但是集中全世界科學家的努力，我們目前能夠精確解讀的遺傳密碼不超過3%，剩下97%我們沒讀懂。換句話說，我們精準醫(yī)學的起步點，就是基于我們對遺傳密碼只知道3%的這樣一個點上。那么隨著時間的推移，我們了解的會越來越多。當我們對自身的遺傳密碼的解讀達到90%以上的時候，我們就基本上達到“精準”了。

3%是什么？就是我們的遺傳密碼當中編碼蛋白質的那部分，也就是遵循中心法則的那部分、傳統(tǒng)意義上造蛋白的部分。也就是說，你現在測量遺傳密碼，如果腫瘤是由于這3%的突變引起的，那么遺傳密碼能提供給你很多信息；如果腫瘤是由于97%的突變引起的，那么現在的狀態(tài)是不能判斷的。當然，測一測還是有益的，畢竟對于那97%的研究是不斷前進的，過幾年就會有新的進展。2010年12月17日的Science（《科學》雜志）評選了人類進入21世紀以后，從2001年到2010年這十年，人類在自然科學領域的十個重要事件。其中，第一個便是“基因組當中的暗物質”。它講的是，遺傳密碼大部分是暗的，即暗物質或暗信息，因為我們知道的只有人的遺傳密碼的極小部分，這就是我們當前理論上認識的疆界。

有人說那97%的遺傳密碼沒有用，但其實那97%如果發(fā)生突變，一樣會導致疾病。比如，Oncogene雜志在2004年的23卷中就發(fā)現97%的遺傳密碼中的名為PCGEM1的位點，如果發(fā)生突變會導致前列腺癌。此外，我們還發(fā)現，名為His-1的位點如果發(fā)生突變則會導致白血病；名為MALAT-1的位點如果發(fā)生突變則會導致非小細胞肺癌；名為H19的位點則扮演著類似于P53蛋白的角色，作為防御機制保護我們遠離細胞癌變。所以，有證據證明，那97%的遺傳密碼參與了我們已知的所有生物過程，是未來非常值得研究的，也是大家所關心的領域。

（二）大數據帶來的挑戰(zhàn)

1.數據端的挑戰(zhàn)

第一個挑戰(zhàn)來自于數據源，即人的遺傳密碼。人的遺傳密碼是一個大數據，有兩個特點：一是增速極快，因為全球的人們都在測量遺傳密碼，所以這是我們迄今為止知道的增速最快的大數據之一，國際上也有很多的數據庫，人們面臨著數據存儲與分析上的困難；二是數據有誤差，信噪比低、缺失值高、錯誤率高，所以從數據端來講是有挑戰(zhàn)的，比如現在的儀器不只是價錢降得很低，而且產生數據也很快。

發(fā)現DNA雙螺旋而獲得諾貝爾獎的沃森·克里克在測量他自己的遺傳密碼時，用了兩個月，花費了100萬美元。這發(fā)生在人類遺傳密碼的相關計劃在世界上誕生十年左右的時間?，F在，測量一個人的遺傳密碼的成本從100萬美元降到了100美元。大家可以看到，沒有哪一個數據、哪個儀器，發(fā)展如此之快。

此外，國際研究還有一個動向，那就是微生物組。通過對遺傳密碼的研究，人們的測序能力有了顯著提高，從而可以研究人體內的微生物與疾病的關系。跟我們一起生活的微生物有多少？據統(tǒng)計，常態(tài)下，每個人體內大約有1-2公斤微生物。這些微生物與你有著很重要的關系，而現在由于有了大規(guī)模測序，它們也可以被我們研究了。進而，我們現在要處理的數據之多，并不完全是因為遺傳密碼多，而是要解決的科學問題也越來越復雜了。

2.樣品端的挑戰(zhàn)

雖然數據越來越多，但是要解決一個科學問題而取樣，而樣品卻沒有因為數據的增加，變得更容易獲取。比如，我們要研究腫瘤，獲取腫瘤病人的樣品是很難的。要真正地研究，就要建立數學模型。數學模型里面有很多的變量，要研究這個腫瘤的話，其內部變量往往是1000、2000……這就要求這個數學模型要得到有益的解的話，樣品數要跟變量匹配。如果說這個模型有1000、2000個變量，而我們取的樣品（病人）只有100個，結果就是不可靠的。對此，我們可以通過國家行為來解決，如美國的精準醫(yī)學計劃，變量是1000、2000就測100萬個病人，中國的精準醫(yī)學計劃也是要測100萬人。

3.疾病相關的復雜網絡

我們研究的這些基因之間有著復雜關系。對于一整個生物體來說，不應該孤立地考慮一個基因，而應該考慮基因的網絡。這個網絡是動態(tài)的、有向的、雙色的、非線性的?？偠灾瑢τ诟鼮閺碗s一點的問題，我們只是研究孤立的基因是不夠的，還要了解基因和基因之間的相互作用。

4.高度異質化數據的整合

我們要想了解疾病的關系，就要把遺傳密碼與心電圖、腦電圖、血糖血脂、CT、核磁等檢查信息整合在一起。這就是所謂的不同介質的高度異質化數據的整合。醫(yī)生在判斷疾病時，僅憑組學數據是不夠的，一定要跟常規(guī)檢驗的信息結合在一起。

怎么整合？這是一個更加復雜的問題。真正要對一個人做全信息的分析、觀察疾病的本質，至少涉及六類數據：一是基礎數據，如姓名、性別、年齡、治療記錄等；二是生理、生化檢測，如心電、血壓、血糖、血脂等；三是影像資料，如超聲、核磁、斷層、PET等；四是組學數據，如基因組、轉錄組、蛋白組、代謝組、表觀組等；五是處治數據，如用藥、手術等；六是環(huán)境資料，如微生物、大氣、水文、地質、輻射等。

綜合考慮所有六類數據，我們就會對一個人作出更加準確的判斷。所以，我們在精準醫(yī)學時代是會產生各種大數據的。對大數據的解析，則要求我們統(tǒng)一分析與疾病有關的范圍更廣的各種因素。對于如此龐大的數據量，我們可以選擇的就是依靠人工智能。人工智能可以完成這六類數據的整合與分析，把高度異質化的數據整合在一起正是它的優(yōu)勢。

5.數據共享

大數據越來越多，如何做到國家層面的數據共享，這不僅僅是學界的問題，也是牽扯到國家管理層的問題。只有達到數據共享，我們才能在大數據時代，更好地完成工作，而避免小數據的影響。比如，中山醫(yī)科大學和美國的一個大學合作，通過人工智能的幫助去觀察眼底來發(fā)現黃斑變性。這也促成了人工智能對不同大數據的學習。同樣地，人工智能也可以幫助我們分析基因組。

五、破解人類遺傳密碼 精準醫(yī)學創(chuàng)新機遇無限

剛才講到，關于精準醫(yī)學，我們有太多事沒做，其中最為重要的就是那97%還沒被人們認識的遺傳密碼，就象征著無限的創(chuàng)新機遇。雖然這是一個非科學的詞，無限的是不對的，因為遺傳密碼是有限的，但這種說法表明了那97%遺傳密碼為我們提供了太多太多創(chuàng)新機會。所以，我們老是講創(chuàng)新，其實只要去分析人的遺傳密碼，就有很多的機會。

97%的遺傳密碼，有多少基因？我們認識的3%就有25000個基因，那97%里像蛋白一樣的元件約有25萬，是那3%的十倍。而從1900年到現在，人類僅對遺傳密碼中3%的內容做了研究，就造就了50個以上的諾貝爾獎獲得者。那現在的97%呢？

（根據宣講家網報告整理編輯，

未經許可，不得印刷、出版，違者追究法律責任）