精準醫療（PrecisionMedicine）這個詞，雖然談不上家喻戶曉，但充斥在2015年的網站、報刊頭條中應該是不爭的事實。從記錄人體活動的可穿戴設備到宏基因組測序以及直接面向消費者的基因測試，我們能夠監測比以往更多的個人環境與健康問題。今年10月15日的Nature周刊，就以精準醫療為主題，發表了多篇綜述文章。編者按認為，雖然現代科學技術的快速發展推動了對人類疾病基因的認識，但是在臨床上與遺傳變異相關的解釋和定義仍然存在一些挑戰。精準醫學是通過生物技術，科學，和醫療記錄等融合用來改善我們對疾病成因的理解，制定個體化治療方案。精準醫學希望從根本上擺脫長期以來的“一刀切”方法，這終將導致更有效的治療方法并加快藥物開發的周轉速度。精準醫學的出現，是整合學術研究與臨床實踐的自然延伸，將通過建立一個知識庫，更好地指導患者的個性化護理。這個新的框架，就是要構建研究人員、臨床實驗室、臨床醫生和患者的精準醫療生態系統。

2012年英國啟動萬人基因組計劃（UK10K）——迄今*大規模的群體基因組測序計劃，旨在挖掘與罕見疾病相關的基因突變，并分析與疾病相關聯的風險因素。該項目以近萬名人為樣本，涵蓋了健康人群和患病人群。其中，疾病種類包括罕見的家族性遺傳疾病，以及類似于自閉癥、精神分裂癥和肥胖等常見疾病。作為對照，研究人員同樣分析了對于健康人群64種醫學相關的風險因素，例如血壓、膽固醇水平等。*后通過比對、分析這些個體的序列，UK10K計劃得以獲得罕見突變與廣泛疾病的關聯，并發現了一些與基礎疾病有關系的新基因突變。該項目啟動之時預計完成的時間是2017年年底，而2015年9月14日，他們的結果在線發表于Nature周刊，預示著UK10K計劃收獲了里程碑式成果，為未來的研究奠定了基礎，以便科學家們探索基因的秘密，找到精準醫學的鑰匙。

在2015年國情咨文演講中，力推醫改的美國總統奧巴馬繼提出“平價醫療法案”后，提出了上面所談論的精準醫療計劃(PrecisionMedicineInitiative)，擬投入2.15億美元用于該計劃的相關項目。奧巴馬的咨文為該劃羅列了四個要素：1）恰當的治療（therighttreatment）和2）恰當的時間（attherighttime）：所有的醫療只有在合適的時間才是真正合適的，這也體現了預測醫學和預防醫學的含意；3）共享（giveallofusaccess）：共享還意味著“共為”，不是袖手旁觀，也不只是放馬后炮；4）個性化信息（personalizedinformation）：每個病人都是****的，因此需要因人用藥。

中國科技部、衛生部正集中一批精英規劃新的科技規劃替代863、973等相關科技項目。2015年3月，中國啟動了600億人民幣的精準醫療計劃。

雖然目前業界很多公司都在做各個領域的基因檢測試驗，但是真正能夠用于臨床并且能夠測出準確結果的也是寥寥可數。將方向定位人類基因序列分析的美國企業現在已經超過5000家，然而大多公司在處理復雜的基因數據上都力不從心。這些基因分析公司都能夠采集人類基因序列信息并加以應用，推斷出不同客戶容易患上何種疾病，但其中許多數據并不可用（看了后面的內容，也許你會明白為什么不可用）。這是一個巨大的挑戰，也隱藏著巨大的機遇！為此，許多財大氣粗的公司，紛紛投入了這個全新的領域參與角逐。

BinaTechnology組建于2011年，但2014年才真正開業。他們希望填補這一空白，成為一個平臺、一個數據庫，讓研究型大學、醫藥公司、醫療機構等下游機構能夠在他們提供的數據之上，進一步摸清基因變異與各種病癥之間的關系。他們的創業團隊人才云集，均是來自斯坦福大學與加州大學伯克利分校的博士，研究方向為大數據或生物信息學，很明顯，其目標就是要把生命科學與計算機科學融合起來。谷歌公司在開展了無人駕駛汽車，隱形眼鏡式血糖儀和高原氣球網絡服務等一系列惹人眼球的項目之后，又準備開始一個新的“登月”工程——Baseline（基線）項目。他們希望大量收集人類基因組標本并利用大數據合成一份**的健康人類基因圖譜，為多種疾病的提早發現及治療提供前提。還有蘋果、三星、微軟等商業巨頭也紛紛加入了這一行列。

大數據的**優點就是海量數據彌補個別差錯。或許谷歌基線工程的**波實驗結果會出現不準確的風險，但是幾年后，當實驗群擴張到千人甚至萬人的時候，通過計算足以剔除DNA中的大量無用分段和錯誤信息，將研究者的目光直接導向致病的基因段。人類的健康基因圖譜將得到越來越多的完善，或接近**。

人類的基因組*其龐大，一個基因組由十萬以上的基因分段組成，每個基因段又由成百上千個核苷酸對組成，幾十年前，要收集一份整套的基因組，其工作量是無法想象的。2001年，**份基因組才被排序成功，而在十年前，單單一份基因排序需要一億美金。技術的進步是難于想象的，如今只需要1000美金就可以完成。根據麥肯錫的一項研究報告，未來幾年內，人類全基因組檢測的價格有望降到500美元以下。

在這么熱鬧的氛圍下，許多人也在擔心現代醫學走入“唯基因”的死胡同，美國科學界也有人對“精準醫療”項目提出了質疑，因為過度解讀基因測試結果已經在臨床造成過度治療，給患者帶來不必要的痛苦。我很欣賞華大一位過來人的話：“華大*大的優勢并不是提出問題，而是解決問題”。無論是現在的“PrecisionMedicine”，還是曾經的“PersonalizedMedicine”，其英文簡稱都是PM，但都希望是現代醫學理論的實質性創新，而不是名詞創新。基因信息的確重要，但是操控基因信息的因素也不容忽視，也許更重要。基因在疾病發生、發展中扮演的并非主動角色，控制疾病發生與發展必須控制基因的操控者。

在上述提到的10月15日的Nature周刊中，還有一篇文章以“Brain,meetgut”為題，再一次特別關注了腸道和大腦的關系。這里說再一次關注，是因為之前已經有許多相關報道。我們一直都能理解，一個人的健康和疾病，與腸道微生物有關，但與精神類疾病也有關系顯然是我們之前始料未及。

無獨有偶，兩天前，看到孫學軍博主的一篇博文：不干不凈吃了沒病：寄生蟲也能治療疾病。文章說，感染了某些寄生蟲的人，患上某些自身免疫性疾病的概率，明顯比那些未感染寄生蟲的人低。也就是說，寄生蟲與人類過敏癥之間有一定的關聯。

這說明，關注人類疾病和健康的精準醫療，僅僅關注人類本身的基因組是不夠的。可惜的是，不管是UK10K，還是奧巴馬力推的精準醫療計劃，抑或是中國緊跟其后啟動的精準醫療計劃，似乎只是把注意力放在了人類基因組上，而對其他環境基因組是沒有什么考慮的。從生態學角度來看，生物體與環境對一個系統來說是需要同時進行考察的，不能偏頗。這里再一次顯示出分子生物學家觀察問題的角度與生態學家的差異。

其次，傳統統計學中根據采樣所進行的估計，是在缺少數據的條件下不得已而為之的權宜之計，并非***的途徑。而且，統計學也從未標榜其精確性，因為統計學獲得的是對集中趨勢或總體趨勢的認識，每個個體治療分享其成功的概率而已。但是，在醫療中每個個體都很重要，從有限樣本獲得的統計學認識顯然力不從心。我們的科學研究從實驗歸納，到模型推演的理論科學，再到仿真模擬的計算科學，現在到了數據密集型科學發現（Data-IntensiveScientificDiscovery）的階段（也稱第四范式），數據爆炸使曾經的科學研究方法顯得“落伍”了，*好的統計方法變成了窮舉法，這就是統計學上的革命：不要隨機樣本，而要全體數據，也就是“樣本=總體”的全數據模式。今天，基于組學的全新科學研究，距離獲得全時全景數據已經不遠了，人人基因組的時代即將到來，也將成為整個生命科學核心的研究方法和手段。

現在，個性化數據收集帶來了大數據，基于大數據的分析又可以產生了精確的定位，而讓個體治療更加精確，這是大數據時代混雜性帶來精確性的又一案例。

精準醫療走向實用，所面臨的一個問題，可能還需要等待計算機技術和大數據本身的革命，否則可能只是一個概念而已。一個個體有3G的基因組，還有超過一個PB的基因。這種海量數據的出現，不僅超出了普通人的理解和認知能力，也給計算機科學本身帶來了巨大的挑戰，在未來精準醫療的發展中，可能終將成為一個限制性條件。關于這個問題，在我前面一篇博文中（第四范式：基于大數據的科學研究）已經進行了論述。