如果我們把人類(lèi)生物學(xué)的復(fù)雜性比作一部動(dòng)畫(huà)電影，那么在一百年前，我們對(duì)這種復(fù)雜性的了解大約相當(dāng)于電影畫(huà)面的一個(gè)像素。隨著我們看到的像素越來(lái)越多，我們就會(huì)逐漸看出其中的模式和主題，這是了解整個(gè)故事的開(kāi)端?！　?/p>

　　幾年前，埃里克·夏特(Eric Schadt)認(rèn)識(shí)了一位患上癌癥的女士。

　　那是一種具有侵襲性的結(jié)腸癌，發(fā)病很快，并且轉(zhuǎn)移到了肝臟。

　　這位女士來(lái)自密西西比州，是一位軍人遺孀，年紀(jì)輕輕的她要獨(dú)自撫養(yǎng)兩個(gè)女兒。丈夫的撫恤金只夠她享受最基本的醫(yī)療保障——到軍方醫(yī)院就醫(yī)，那里的腫瘤科醫(yī)生早就不堪重負(fù)，醫(yī)療條件也只能用簡(jiǎn)陋來(lái)形容。身患四期癌癥走進(jìn)這樣的醫(yī)院，那就像回退到世界尚未繪制出人類(lèi)基因組圖譜的時(shí)代：

　　在那個(gè)時(shí)代，人們?nèi)匀灰詾椤敖Y(jié)腸癌”只有單一的病因，而不知道會(huì)有無(wú)數(shù)種病因，造成各種獨(dú)特的變異;在那個(gè)時(shí)代，治療這種癌癥使用的是同一種藥，不管你是來(lái)自何處。

　　那是一個(gè)沒(méi)有大數(shù)據(jù)和機(jī)器學(xué)習(xí)，也沒(méi)有希望的時(shí)代。

　　當(dāng)時(shí)，夏特剛剛在西奈山醫(yī)院(Mount Sinai Hospital)組建了伊坎基因組學(xué)和多尺度生物學(xué)研究所(Icahn Institute for Genomics and Multiscale Biology)。

　　在聽(tīng)說(shuō)了密西西比州那位女士的情況之后，他只是簡(jiǎn)單地說(shuō)：“那正是我們要接收的患者類(lèi)型?！?/p>

　　他這么說(shuō)的意思是，對(duì)于這樣的患者，當(dāng)前的醫(yī)療手段將無(wú)法起到作用，而未來(lái)的醫(yī)學(xué)——即使用超級(jí)計(jì)算機(jī)篩查海量基因數(shù)據(jù)，尋找有可能啟發(fā)新治療手段和方法的模式——?jiǎng)t無(wú)法及時(shí)到來(lái)?！　?/p>

　　埃里克·夏特(Eric Schadt)

　　夏特不是癌癥專(zhuān)家，他甚至不是醫(yī)生。

　　他是一位數(shù)學(xué)家，精通分子生物學(xué)和計(jì)算生物學(xué)，有生以來(lái)還沒(méi)有治療過(guò)什么病患。

　　通過(guò)自己在西奈山醫(yī)院開(kāi)設(shè)的新實(shí)驗(yàn)室，夏特可以圍繞這位女士的癌癥采集1TB相關(guān)數(shù)據(jù)，是在傳統(tǒng)環(huán)境中的數(shù)千倍，目標(biāo)是找到對(duì)抗癌癥的新方法。然而那位女士到最后還是離開(kāi)了人世，給這位從未給人治過(guò)病的科學(xué)家留下了難以言喻的苦澀。

　　坐在西奈山醫(yī)院的辦公桌旁接受采訪時(shí)，夏特顯得率直和不設(shè)防。今年51歲的他不管到哪兒都喜歡穿短袖POLO衫和短褲。對(duì)任何醫(yī)學(xué)研究人員來(lái)說(shuō)，在發(fā)表論文或研發(fā)藥物時(shí)，在遠(yuǎn)離人為影響的情況下，保持樂(lè)觀是相對(duì)容易的。然而，親身體會(huì)自己工作所產(chǎn)生的影響，并且親眼目睹某個(gè)人在自己面前慢慢死去?！澳鞘俏乙郧皬奈唇?jīng)歷過(guò)的更深層次的心靈震撼，”夏特說(shuō)道。

　　“我們正處在一種越來(lái)越快的增長(zhǎng)曲線之上，你會(huì)自然而然地展望未來(lái)，你會(huì)想：我們會(huì)把這個(gè)問(wèn)題搞清楚的，”他說(shuō)，“最終，我們將會(huì)知道所有的細(xì)胞都在做什么，所有的亂子都是怎么回事。這當(dāng)中讓人深覺(jué)無(wú)力的部分是，隨著我們不斷長(zhǎng)進(jìn)，我們也會(huì)不斷遭到打擊，那就是在這個(gè)過(guò)程中顯現(xiàn)的日益加劇的復(fù)雜性。”

　　十多年來(lái)，我們一直在談?wù)摶驕y(cè)序和個(gè)性化醫(yī)療的潛力，談?wù)撚?jì)算機(jī)處理能力的進(jìn)步加上對(duì)個(gè)體基因組更進(jìn)一步的了解如何能夠讓我們邁入奇跡時(shí)代的門(mén)檻。這種理論認(rèn)為，有了足夠多的數(shù)據(jù)之后，沒(méi)有什么疾病是無(wú)法治療的。但正如夏特了解到的，數(shù)據(jù)下沉到個(gè)體DNA的層面仍然不夠。要在人群中檢測(cè)出疾病的模式，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，找出導(dǎo)致疾病的各種基因突變，以及采取相應(yīng)對(duì)策，那將需要海量的數(shù)據(jù)，達(dá)到艾字節(jié)(EB，即百億億字節(jié))的級(jí)別。這些數(shù)據(jù)集的規(guī)模越大，科學(xué)家的模型和預(yù)測(cè)就會(huì)變得越精確和越強(qiáng)大。

　　我們必須說(shuō)服那些收集個(gè)人數(shù)據(jù)的醫(yī)療中心和基因技術(shù)公司，讓他們不要為了自己謀利把數(shù)據(jù)囤積起來(lái)。

　　問(wèn)題就在于，我們?nèi)绾尾拍塬@得這些艾字節(jié)級(jí)別的基因數(shù)據(jù)?！　?/p>

　　事實(shí)證明，你不可能直接向成百萬(wàn)上千萬(wàn)的人索要他們的健康數(shù)據(jù)。

　　你必須首先說(shuō)服他們相信，你只會(huì)利用這些數(shù)據(jù)做好事，而且不會(huì)讓它落入壞人之手。

　　然后，你必須說(shuō)服那些收集個(gè)人數(shù)據(jù)的醫(yī)療中心和基因技術(shù)公司，讓他們不要為了自己謀利把數(shù)據(jù)囤積起來(lái)，而是應(yīng)該進(jìn)行共享，從而讓整個(gè)科研社區(qū)能夠?qū)崿F(xiàn)規(guī)模效應(yīng)——即可用的數(shù)據(jù)突破了臨界量，個(gè)體數(shù)據(jù)集終于達(dá)到數(shù)百萬(wàn)的量級(jí)。

　　夏特跟很多其他人認(rèn)為，要理解疾病的成因，并設(shè)計(jì)出新的治療手段和方法，那是必不可少的。目前，那種體量的數(shù)據(jù)仍然是不可得的。眼下還沒(méi)有人能建立起那種體量的數(shù)據(jù)集。

　　不過(guò)，從科技巨頭到生物醫(yī)藥初創(chuàng)公司，形形色色的公司都在競(jìng)先解決數(shù)據(jù)規(guī)模問(wèn)題。夏特希望參與其中。

　　如果我們把人類(lèi)生物學(xué)的復(fù)雜性比作一部動(dòng)畫(huà)電影，那么在一百年前，我們對(duì)這種復(fù)雜性的了解大約相當(dāng)于電影畫(huà)面的一個(gè)像素。如果只有單個(gè)像素，你是無(wú)法知道電影講了什么故事的。但隨著我們看到的像素越來(lái)越多——成百上千個(gè)，或者說(shuō)是電影像素總量的1%——我們就會(huì)逐漸看出其中的模式和主題，這是了解整個(gè)故事的開(kāi)端。

　　正是這種想法促使夏特在2011年組建了伊坎研究所。

　　在那之前，他曾在默克公司(Merck)做過(guò)十年的藥物研發(fā)工作。(曾經(jīng)有一段時(shí)間，默克公司用于治療心臟病、糖尿病和肥胖等疾病的代謝性疾病藥物有一半源自于夏特的研究成果。)

　　面對(duì)著基于疾病和藥物研發(fā)單基因模型做出的、被人們廣泛接受的假設(shè)，夏特開(kāi)始相信，基因突變不是獨(dú)自發(fā)揮作用的，而是形成一個(gè)龐大的網(wǎng)絡(luò)，讓疾病能夠突破我們的自然防御能力。

　　只有通過(guò)深入的生物信息學(xué)探究，我們才有可能理解這些網(wǎng)絡(luò)的作用機(jī)制。

　　為了探索自己的復(fù)雜性模型，夏特帶著金融家兼慈善家卡爾·伊坎(Carl Icahn)提供的1.5億美元來(lái)到西奈山醫(yī)院，在那里的地下室里建造了一臺(tái)名為“密涅瓦”(Minerva)的超級(jí)計(jì)算機(jī)，對(duì)醫(yī)院每年收集的數(shù)千份基因組數(shù)據(jù)進(jìn)行分析?！　?/p>

　　超級(jí)計(jì)算機(jī)“密涅瓦”

　　他聘請(qǐng)了其他金融工程師，其中包括為Facebook組建首支數(shù)據(jù)團(tuán)隊(duì)的杰弗里·哈梅巴赫(Jeffrey Hammerbacher)。按照西奈山伊坎醫(yī)學(xué)院一位知名腫瘤學(xué)家的話說(shuō)：“突然之間，周?chē)际沁@些數(shù)學(xué)極客跑來(lái)跑去，他們看起來(lái)像是那種開(kāi)發(fā)電子游戲的程序員。”

　　“我們需要100家西奈山醫(yī)院來(lái)達(dá)到所需的規(guī)模，那樣才能在患者數(shù)據(jù)中識(shí)別出能夠指導(dǎo)我們進(jìn)行診斷和治療的模式?！?/p>

　　沒(méi)過(guò)多久，夏特就意識(shí)到，他將需要“一艘更大的船”。

　　2014年，伊坎研究所跟非營(yíng)利性生物醫(yī)學(xué)研究機(jī)構(gòu)Sage Bionetworks聯(lián)合啟動(dòng)了一個(gè)項(xiàng)目，試圖治愈罕見(jiàn)兒童疾病，比如囊性纖維化、鐮狀細(xì)胞貧血癥以及泰-歇克斯癥，總計(jì)有170種。

　　他們將這個(gè)項(xiàng)目命名為“韌性項(xiàng)目”(Resilience Project)，研究人員致力于尋找人群中攜帶了致病基因但不知何故沒(méi)有發(fā)病的個(gè)體。

　　在尋找這些“韌性個(gè)體”的過(guò)程中，夏特及其團(tuán)隊(duì)積累了60萬(wàn)人的基因數(shù)據(jù)池。

　　在當(dāng)時(shí)，這是規(guī)模最大的基因研究，其收集的數(shù)據(jù)擁有十多個(gè)來(lái)源，其中最重要的包括23andMe、北京基因組研究所，以及麻省理工與哈佛大學(xué)聯(lián)合創(chuàng)辦的博德研究所(Broad Institute)。

　　但是，在搜索60萬(wàn)份基因組數(shù)據(jù)時(shí)，研究人員發(fā)現(xiàn)，在自己著手解決的170種疾病中，只有8種有潛在的韌性個(gè)體。

　　事實(shí)證明，這項(xiàng)研究的規(guī)模還是太小了。

　　通過(guò)計(jì)算致病突變?cè)谌巳褐邪l(fā)生的頻率，夏特及其團(tuán)隊(duì)開(kāi)始相信，他們需要的有用被試者數(shù)量不是60萬(wàn)，而是要達(dá)到千萬(wàn)級(jí)別。

　　盡管“韌性項(xiàng)目”背后擁有強(qiáng)大的計(jì)算能力支持，而且看似收集到了規(guī)模龐大的數(shù)據(jù)，但要破解“韌性”背后的基因密碼，夏特手中掌握的數(shù)據(jù)在數(shù)量和質(zhì)量上仍然達(dá)不到需求。

　　“我們需要100家西奈山醫(yī)院來(lái)達(dá)到所需的規(guī)模，那樣才能在患者數(shù)據(jù)中識(shí)別出能夠指導(dǎo)我們進(jìn)行診斷和治療的模式，”夏特說(shuō)，“在我任職的五年中，我意識(shí)到，這種事情不可能在醫(yī)療中心的圈子內(nèi)部變成現(xiàn)實(shí)。它們彼此之間有太多隔閡，相互競(jìng)爭(zhēng)，沒(méi)有像其他幾乎所有行業(yè)那樣形成一種能夠推動(dòng)醫(yī)療行業(yè)進(jìn)步的連貫框架?！庇捎诖笮歪t(yī)療中心基本上壟斷了自家患者的數(shù)據(jù)，而且沒(méi)什么經(jīng)濟(jì)誘因促使它們?cè)陉P(guān)鍵研究領(lǐng)域展開(kāi)相互合作，夏特表示，“顛覆創(chuàng)新將出現(xiàn)于現(xiàn)有醫(yī)療機(jī)構(gòu)之外。”

　　出于這個(gè)原因，夏特創(chuàng)立了自己的基因數(shù)據(jù)公司Sema4。

　　這家公司將專(zhuān)注于收購(gòu)和擴(kuò)展那些專(zhuān)門(mén)從事基因檢測(cè)(比如致癌基因攜帶者篩查和無(wú)創(chuàng)性產(chǎn)前檢測(cè))的公司，以此來(lái)收集和共享數(shù)以百萬(wàn)計(jì)的個(gè)體數(shù)據(jù)集。

　　在Sema4的可搜索平臺(tái)上，醫(yī)生將能即時(shí)訪問(wèn)海量的基因組數(shù)據(jù)以幫助診斷自己的患者。

　　制藥公司可以付費(fèi)使用這套系統(tǒng)，來(lái)尋找臨床試驗(yàn)所需的患者人群。

　　至于科學(xué)家——他們目前掌握的分析工具因?yàn)楦訌?qiáng)大的計(jì)算能力和機(jī)器學(xué)習(xí)算法而得以增強(qiáng)——他們將終于能夠獲得足夠多的基因數(shù)據(jù)來(lái)推動(dòng)自己雄心勃勃的研究。

　　盡管一些科技巨頭正在進(jìn)軍生命科學(xué)領(lǐng)域，美國(guó)國(guó)立衛(wèi)生研究院(NIH)也在征求100萬(wàn)志愿者來(lái)創(chuàng)建自己的大型生物數(shù)據(jù)庫(kù)，但夏特認(rèn)為，最用心于實(shí)現(xiàn)基因數(shù)據(jù)理想規(guī)模的是Sema4及其同類(lèi)初創(chuàng)公司——主要代表包括克雷格·文特爾(Craig Venter)的Human Longevity以及黃馨祥(Patrick Soon-Shiong)的Nant-Health。

　　雖然這些公司會(huì)在收集大量高質(zhì)量生物數(shù)據(jù)方面展開(kāi)競(jìng)爭(zhēng)，但Sema4將脫穎而出，該公司的辦法是向世界各地的學(xué)術(shù)性醫(yī)療中心和非營(yíng)利機(jī)構(gòu)研究人員免費(fèi)開(kāi)放自己的基因數(shù)據(jù)庫(kù)。

　　夏特表示，如果競(jìng)爭(zhēng)對(duì)手需要獲得Sema4數(shù)據(jù)庫(kù)中一個(gè)子集的信息，那么他們將可以付費(fèi)訪問(wèn)Sema4的搜索平臺(tái)?；蛘?，Sema4和其他公司可以聯(lián)手為“韌性項(xiàng)目”這樣雄心勃勃的努力(只不過(guò)規(guī)模更大)創(chuàng)建大型的數(shù)據(jù)集。

　　通過(guò)收購(gòu)和擴(kuò)展全美各地現(xiàn)有的基因檢測(cè)公司——它們目前各自為政，但在Sema4的旗幟下將組合創(chuàng)建出一個(gè)巨大的基因數(shù)據(jù)網(wǎng)絡(luò)，并實(shí)現(xiàn)統(tǒng)一的安全和許可標(biāo)準(zhǔn)——Sema4將能實(shí)現(xiàn)上述增長(zhǎng)。

　　夏特承認(rèn)，要求一個(gè)人把自己的生物數(shù)據(jù)交給一家匿名公司，那不是什么簡(jiǎn)單的事情。盡管公共部門(mén)和私人部門(mén)已經(jīng)投入數(shù)十億美元的資金用于對(duì)現(xiàn)有數(shù)據(jù)網(wǎng)絡(luò)進(jìn)行現(xiàn)代化改造和提供安全保障，但數(shù)據(jù)泄露事件仍然時(shí)有發(fā)生。

　　在Sema4，患者將被詳盡地告知，他們的數(shù)據(jù)將如何被加密、接受匿名處理、擦除身份識(shí)別信息(除了加密密鑰以外)。即使發(fā)生了數(shù)據(jù)泄露事件，某個(gè)人身份被識(shí)別并暴露的機(jī)率也是極低的。

　　在建立了這樣的數(shù)字基礎(chǔ)設(shè)施之后，夏特設(shè)想了這樣一種未來(lái)：

　　越來(lái)越多的患者不僅愿意分享自己的基因數(shù)據(jù)，還將分享通過(guò)血糖儀、血壓計(jì)和吸入器等追蹤設(shè)備收集的醫(yī)療和生活方式信息。最終的希望是，這些日益復(fù)雜但對(duì)患者越來(lái)越友好的測(cè)試將變得非常普及，以至于他們身體的微生物群會(huì)定期得到檢測(cè)、他們的RNA會(huì)經(jīng)常接受測(cè)序，他們的血液細(xì)胞會(huì)持續(xù)得到監(jiān)控以發(fā)現(xiàn)病變跡象。

　　像西奈山醫(yī)院這樣的醫(yī)療中心，它們目前對(duì)患者數(shù)據(jù)事實(shí)上的壟斷將被打破。研究人員將最終能夠訪問(wèn)海量的基因數(shù)據(jù)，它們正是未來(lái)醫(yī)療技術(shù)突破所必需的。

　　“如果數(shù)據(jù)變得更廣泛可得，并且可以利用整個(gè)世界的智力來(lái)完善疾病模型，那我們是否可以更好地造福人類(lèi)呢?”夏特自問(wèn)道，“絕對(duì)可以?！边@是如數(shù)學(xué)一般精準(zhǔn)的醫(yī)學(xué)，不是臆測(cè)。有朝一日，每一種疾病——甚至是四期癌癥——都可能被治愈。

　　大舉押注生物數(shù)據(jù)的四家科技巨頭：　

　　Alphabet

　　Alphabet的Verily Life Sciences團(tuán)隊(duì)在自己的Baseline研究項(xiàng)目中使用了機(jī)器學(xué)習(xí)技術(shù)，他們會(huì)把來(lái)自成千上萬(wàn)健康志愿者的基因、臨床和醫(yī)學(xué)成像數(shù)據(jù)饋入機(jī)器，以期更好地理解是什么讓這些志愿者保持健康——這樣的知識(shí)有可能幫助人們從一開(kāi)始就遠(yuǎn)離疾病?！　?/p>

　　IBM

　　在上世紀(jì)70年代，世界衛(wèi)生組織(WHO)曾使用IBM制造的硬件來(lái)追捕天花病毒“余孽”?，F(xiàn)在，IBM正在跟醫(yī)院合作，為曾在《Jeopardy!》智力競(jìng)賽節(jié)目中贏得大獎(jiǎng)的人工智能系統(tǒng)“沃森”提供健康數(shù)據(jù)。他們的目標(biāo)是預(yù)測(cè)疾病、實(shí)現(xiàn)個(gè)性化醫(yī)療，甚至驅(qū)動(dòng)虛擬醫(yī)療助理篩查醫(yī)療記錄和研究成果?！　?/p>

　　蘋(píng)果

　　利用蘋(píng)果的ResearchKit，科學(xué)家可以大規(guī)模招募臨床研究被試者，并通過(guò)他們的iPhone收集實(shí)時(shí)健康數(shù)據(jù)。去年春天，該公司新增了CareKit，它讓蘋(píng)果用戶可以跟自己的醫(yī)生直接分享健康數(shù)據(jù)?！　?/p>

　　微軟

　　微軟正在開(kāi)發(fā)可以貼在皮膚上的微型傳感器，它們可以把生物特征數(shù)據(jù)傳輸?shù)竭h(yuǎn)程健康監(jiān)控器(以及潛在的大規(guī)模數(shù)據(jù)聚合器)之上。此外，微軟最近還宣布了利用機(jī)器學(xué)習(xí)和生物數(shù)據(jù)“解決”癌癥的計(jì)劃。