全世界已經(jīng)測(cè)序完成的高等動(dòng)植物基因組大概有800個(gè)，華大貢獻(xiàn)了70%。
主講嘉賓：尹燁
尹燁：華大醫(yī)學(xué)執(zhí)行總裁。尹燁，1979年生，籍貫山東煙臺(tái)。2002年畢業(yè)于大連理工大學(xué)生物工程專(zhuān)業(yè)獲學(xué)士學(xué)位， 2013年獲華南理工大學(xué)生物工程（基因組學(xué)）工程碩士學(xué)位。2002年加入華大基因，先后從事體外診斷試劑研發(fā)、管理及基因組研究行業(yè)，曾任華大科技總裁，華大集團(tuán)首席運(yùn)營(yíng)官（COO），現(xiàn)任華大醫(yī)學(xué)總裁，率領(lǐng)團(tuán)隊(duì)積極推動(dòng)前沿生物醫(yī)學(xué)技術(shù)和基因組學(xué)研究成果的臨床應(yīng)用，降低出生缺陷及其他重大疾病對(duì)人類(lèi)健康的危害。
以下為分享實(shí)景全文：
各位好，華大基因的尹燁。基因這個(gè)詞一直是我非常喜歡的詞，也是英文翻譯的最好的詞，gene-基因，基因基因，基本之因。
第一個(gè)話題，基因，基因組，大數(shù)據(jù)。對(duì)于目前我們已知的生物圈，碳鏈作為基本骨架的生命，我們都是通過(guò)DNA來(lái)進(jìn)行遺傳的。基因可以簡(jiǎn)單的理解成一段有意義的DNA序列，而全部的DNA就成為一個(gè)物種的基因組。
地球誕生了46億年，最早的細(xì)胞化石是30億年，我們從簡(jiǎn)單到復(fù)雜，從水生到陸生，從低等到高等，從無(wú)性到有性，從單細(xì)胞到多細(xì)胞……
我只能說(shuō)部分同意進(jìn)化論，但是關(guān)于生命的起源，的確是一個(gè)爭(zhēng)議很大的學(xué)科。
但分析現(xiàn)有的物種（包括部分滅絕的），從DNA的角度來(lái)看，的確有著極強(qiáng)的進(jìn)化或演化關(guān)系，我們稱(chēng)之為同源性。
最簡(jiǎn)單的基因組來(lái)自于病毒，比如乙型肝炎病毒的DNA總量（基因組大小）只有3.2Kb.然后到了細(xì)菌，比如大腸桿菌，基因組就有4Mb，而到了酵母，也就是真菌就有了10Mb。他們的基因組不斷的插入外源DNA，越來(lái)越大，功能也越來(lái)越多。然后高等真菌已經(jīng)有30Mb-80Mb 的基因組了，到了最簡(jiǎn)單的植物也只有100Mb左右的基因組，比如擬南芥。再向上，比如梅花200Mb，水稻400Mb，大豆1Gb，兩爬類(lèi)2Gb，哺乳類(lèi)3Gb。所以人類(lèi)的基因組也就是3Gb，即30億個(gè)堿基。
然而還有更大的，比如辣椒在3G以上，而大麥要5G－6G，大蒜10G，小麥16G，銀杏20G……肺魚(yú)50G－100G。
基因組的大小與物種進(jìn)化高低并無(wú)一致性，我們稱(chēng)為C值悖論，或者說(shuō)很多物種仍然是處于進(jìn)化狀態(tài)的。全世界（范圍內(nèi)），我們基本的預(yù)估，所有生命信息只測(cè)一次的數(shù)據(jù)量是 10的60次方，然而現(xiàn)在只有10的21次方－22次方左右。以人類(lèi)舉例，這個(gè)群體有70億數(shù)量，如果每人都測(cè)一次，則測(cè)序的數(shù)據(jù)量至少就是3Gb*70億這么大。且受到技術(shù)和方法學(xué)限制，目前每一個(gè)人至少要測(cè)100G（大約是基因組的30倍），才能得到相對(duì)準(zhǔn)確的全基因組信息，所以剛才的數(shù)量就達(dá)到了100G＊70億人次這么大。
水稻，玉米，小麥……這些都要育種，每一個(gè)也都需要按照這樣的方式來(lái)做，所以這個(gè)數(shù)據(jù)量就變得無(wú)可估量了?，F(xiàn)在是從每個(gè)物種只測(cè)一次的角度來(lái)講，而對(duì)于活著的生命體，還需要測(cè)很多次，比如每個(gè)人睡覺(jué)、吃飯、思考、生病的基因表達(dá)都不一樣，這個(gè)數(shù)據(jù)量還會(huì)有數(shù)量級(jí)的增加。
存活不到“一秒”的人類(lèi)個(gè)體有多大數(shù)據(jù)？這里說(shuō)的一秒是指把生命出現(xiàn)到現(xiàn)在當(dāng)作一年時(shí)間來(lái)看。
所以你會(huì)發(fā)現(xiàn)，原來(lái)我們還有基因組萬(wàn)倍的細(xì)胞，還有十萬(wàn)倍的菌群。這些如果都測(cè)出來(lái)，那是不得了的數(shù)據(jù)量。
我們計(jì)算過(guò)，一個(gè)人如果從出生下來(lái)就開(kāi)始取樣，生化、免疫、影像、基因，表型數(shù)據(jù)，如果都開(kāi)始積累，那么一起步就是665個(gè)G，一輩子差不多就到了1個(gè)P。如果一個(gè)人1P，1000人就是1E，1M（Million）人就是1Y，1B（Billion）人就是1個(gè)Z，這就是10的24次方。這個(gè)數(shù)據(jù)還只是人類(lèi)，如果把上千萬(wàn)個(gè)物種，都這樣來(lái)一下，那么可能就達(dá)到了N或者D的級(jí)別。
大家看這個(gè)，如果說(shuō)20世紀(jì)是物理學(xué)世紀(jì)的話，那么21世紀(jì)毫無(wú)疑問(wèn)的就是生命的世紀(jì)。物理在有了熱力學(xué)三大定律特別是熵的概念提出后，開(kāi)始進(jìn)入快速發(fā)展階段。生命科學(xué)至今還沒(méi)有一個(gè)可以用數(shù)學(xué)語(yǔ)言可以闡述的定律。
看下這張，生命科學(xué)從1859年物種起源來(lái)看，不過(guò)就是150年的時(shí)間?；蛞彩?911年才出現(xiàn)的提法。迄今為止，全世界已經(jīng)測(cè)序完成的高等動(dòng)植物基因組大概有800個(gè)，華大貢獻(xiàn)了70%。
基因數(shù)據(jù)這對(duì)于這個(gè)行業(yè)來(lái)講就是巨大的油田。
一個(gè)行業(yè)如果要興起，需要經(jīng)過(guò)科學(xué)發(fā)現(xiàn)，技術(shù)發(fā)明，再到產(chǎn)業(yè)發(fā)展。比如富蘭克林發(fā)現(xiàn)了電，愛(ài)迪生發(fā)明了電燈，而GE把照明做到了全世界。制造業(yè)包括IT，一般可以直接從發(fā)明到發(fā)展，所有學(xué)科里面唯獨(dú)生命不行。這是因?yàn)?，生命科學(xué)直接作用于人體，即使你知道了青蒿素可以治療瘧疾，但一定要從機(jī)理上證明，即回歸發(fā)現(xiàn)，才可以允許你做產(chǎn)業(yè)發(fā)展。而生命的科學(xué)發(fā)現(xiàn)，必須依賴(lài)于大數(shù)據(jù)，重視相關(guān)關(guān)系，而不是因果關(guān)系。
美國(guó)在1980年啟動(dòng)了腫瘤大戰(zhàn)，希望通過(guò)蛋白等片段的信息來(lái)搞清楚腫瘤，十年后發(fā)現(xiàn)失敗。所以在1990年正式啟動(dòng)了人類(lèi)基因組，不去搞明白為什么，而是先把whole picture搞定，即解決是什么的問(wèn)題。
這就是基因組的起源和生命科學(xué)的大發(fā)展。一次核磁從幾十個(gè)G到幾百個(gè)G都有，看分辨率。
下面進(jìn)入今天最后一個(gè)問(wèn)題，生物大數(shù)據(jù)到底能做什么。先說(shuō)育種。相當(dāng)程度上，我們現(xiàn)在可以不通過(guò)種地，而直接通過(guò)運(yùn)算的方式來(lái)進(jìn)行虛擬育種。
大家可以對(duì)比一下。
按目前的算法推測(cè)，如果做到相關(guān)性90%，對(duì)于玉米（基因組大小是2.5Gb），10000株玉米就可能讓天河一號(hào)全年計(jì)算能力飽和。目前最快的測(cè)序儀，每一秒的數(shù)據(jù)產(chǎn)出會(huì)達(dá)到幾十個(gè)G，除了用裸光纖，根本沒(méi)法解決傳輸問(wèn)題。如果個(gè)人基因組得到普及，以100萬(wàn)人的數(shù)據(jù)庫(kù)如果要進(jìn)行兩兩比較，那么天河二號(hào)也遠(yuǎn)遠(yuǎn)不夠。這就是生命大數(shù)據(jù)帶來(lái)的計(jì)算，存儲(chǔ)，傳輸?shù)奶魬?zhàn)，瓶頸在IT。再來(lái)講生命科學(xué)的應(yīng)用，比如腫瘤，大家應(yīng)該知道，腫瘤本身不是均質(zhì)的，即不是簡(jiǎn)單的區(qū)分為癌癥組織和癌旁組織，腫瘤的生長(zhǎng)過(guò)程本身就是一個(gè)動(dòng)態(tài)的進(jìn)化過(guò)程，說(shuō)的通俗點(diǎn)，最早的腫瘤細(xì)胞逃脫了細(xì)胞周期，戰(zhàn)勝了普通細(xì)胞，然后搶到了離血管近的位置，開(kāi)始快速繁殖，逐漸地，遠(yuǎn)離血管的就打不過(guò)離血管近的了，所以要進(jìn)一步進(jìn)化成更“厲害”的癌細(xì)胞。所以，所以腫瘤靶向藥物，如果是直接針對(duì)的勻漿狀態(tài)的，那很可能是無(wú)效的。我們發(fā)過(guò)幾篇高水平文章都是關(guān)于單細(xì)胞測(cè)序的－－即我們挑選腫瘤組織中的上百個(gè)細(xì)胞，一個(gè)一個(gè)測(cè)基因組，然后看他們基因組的進(jìn)化關(guān)系，從而正確判斷出這些癌細(xì)胞的出場(chǎng)順序，知道了正在起作用的基因。這個(gè)時(shí)候的有的放矢就變得很重要了。
在生命科學(xué)里，很多是數(shù)十個(gè)甚至數(shù)千個(gè)客觀規(guī)律在同時(shí)作用，所以因果關(guān)系本身說(shuō)不清。
比如血糖和糖尿病真的有必然關(guān)系么？在科學(xué)上，我們這個(gè)領(lǐng)域用相關(guān)關(guān)系的很多，比如GWAS，全基因組關(guān)聯(lián)分析就是最典型的例子。但是只看靜態(tài)是不對(duì)的。正如看見(jiàn)影片中一個(gè)人手里拿著刀，是無(wú)法判斷他是否殺人的。
我們不能憑借image來(lái)說(shuō)事，而要靠video.所以未來(lái)的健康領(lǐng)域，一定是綜合了基因，環(huán)境，運(yùn)動(dòng)，營(yíng)養(yǎng)，菌群，睡眠，心理共同作用的結(jié)果。在這個(gè)基礎(chǔ)上，會(huì)產(chǎn)生全新的行業(yè)，即所謂的真正意義上的健康咨詢(xún)師，目前的遺傳咨詢(xún)也只能解決20%或者更少的問(wèn)題。比如精子，每次射精有50億個(gè)左右，但任意兩個(gè)精子的DNA都不一樣，這就是進(jìn)化或演化的根本。
最后一個(gè)例子說(shuō)說(shuō)菌群，每一個(gè)人100斤的人有4斤的細(xì)菌。
通常認(rèn)為的菌群是我截圖這張，但實(shí)際上腫瘤有上千種，但豐度譜是不同的，所以依次可以區(qū)分腸道菌群分型，我們稱(chēng)之為“腸型”。這些菌很大程度上決定了你的吸收，可以簡(jiǎn)單的理解為，它們的次生代謝產(chǎn)物才是我們吸收的營(yíng)養(yǎng)。我們?cè)?jīng)測(cè)過(guò)歐洲亞洲不同食譜的人群菌群，在健康的時(shí)候是不一致的，但比如罹患了大腸癌，則菌群的多樣性下降，到晚期趨同性更有一致的趨勢(shì)。所以現(xiàn)在通過(guò)測(cè)糞便就可以分別相當(dāng)多的疾病狀態(tài)，包括大腸癌，包括糖尿病，甚至抑郁和很多精神性疾病，都和菌群釋放的內(nèi)毒素有關(guān)。
這是華大CEO王俊提出的第一定律。表型組和基因組通過(guò)某種環(huán)境條件起作用。我們希望能夠發(fā)現(xiàn)部分?jǐn)?shù)學(xué)定律來(lái)闡述。
最后一張片子，生命周期表，里面給出了從174噬菌體開(kāi)始發(fā)表的所有頂尖的物種文章。我們希望能夠找到生命周期表。
以此結(jié)束 A citation from,“Genetics and the Origin of Species” （1973） T. Dobzhansky （1900-1975） “Nothingin biology makes sense, except in the light of evolution. Without that light itbecomes a pile of sundry facts - some of them interesting or curious but makingno meaningful picture as a whole”。
互動(dòng)內(nèi)容：
施建旭：這么多計(jì)算資源和數(shù)據(jù)都找不出規(guī)律，還說(shuō)瓶頸在
尹燁：@施建旭 我們已經(jīng)發(fā)現(xiàn)了很多規(guī)律，但是更多的規(guī)律不是今天的計(jì)算資源能夠滿足的。另外說(shuō)一句，我們是民企，所有資源都是我們自己的產(chǎn)業(yè)利潤(rùn)納稅后支撐的。
花甲青年：@尹燁 新的品種可以計(jì)算出來(lái)，而并非經(jīng)過(guò)年復(fù)一年的種植培育出來(lái)？有關(guān)系嗎？
尹燁：@花甲青年 虛擬育種的概念 是和蓋茨基金會(huì)合作中一起討論出來(lái)的方向?，F(xiàn)在通過(guò)對(duì)大量物種的重測(cè)序，我們可以瞬間知道很多基因的功能，然后利用矢量計(jì)算的算法可以對(duì)每一個(gè)基因每一個(gè)堿基加權(quán)，來(lái)預(yù)測(cè)后代可能的狀態(tài)。當(dāng)然，這里面有一些限制，比如環(huán)境要控制的相對(duì)穩(wěn)定。
尹燁：所以 現(xiàn)在通過(guò)測(cè)糞便就可以分別相當(dāng)多的疾病狀態(tài)，包括大腸癌，包括糖尿病，甚至抑郁和很多精神性疾病，都和菌群釋放的內(nèi)毒素有關(guān)。
濬：@尹燁 細(xì)菌平衡才是王道，多樣性才是穩(wěn)定性基礎(chǔ)。
尹燁：@harry 濬 肝癌、大腸癌有關(guān)系，認(rèn)可，或者說(shuō)，現(xiàn)在以器官來(lái)命名癌癥out了，EGFR癌，RAS癌……@張涵誠(chéng) @harry 濬 對(duì)于生態(tài)系統(tǒng)，多樣性是穩(wěn)定的基礎(chǔ)；對(duì)于內(nèi)環(huán)境，要看怎么理解。比如血液，只有紅細(xì)胞、白細(xì)胞、血小板，不能太多樣，不然就毒血或者膿血或者菌血了。但是換一個(gè)角度，如果血液中只有紅細(xì)胞、白細(xì)胞、血小板的情況下，那么他們的免疫細(xì)胞是兵強(qiáng)馬壯的，這也可以理解為穩(wěn)定。
楊力偉：@尹燁 多樣性是穩(wěn)定性的基礎(chǔ)，在生物中適用，在社會(huì)中也適用。
尹燁：@楊力偉， 修行、冥想、打坐、樂(lè)觀積極的心理狀態(tài)能夠影響生理指標(biāo)，這些心理狀態(tài)都會(huì)直接影響基因表達(dá)，有物質(zhì)基礎(chǔ)。
：請(qǐng)問(wèn)：進(jìn)化論在多大程度上是正確的？
尹燁：@Bright Star 我部分認(rèn)可進(jìn)化論，包括拉馬克的用盡廢退在特定條件下也是有道理的，但對(duì)于目前的生命起源學(xué)說(shuō)比較不認(rèn)可。
郝鵬洲：@尹燁尹總有幾個(gè)問(wèn)題，1.去年11月我去過(guò)美國(guó)國(guó)立研究院，專(zhuān)門(mén)做大數(shù)據(jù)關(guān)于基因的話題，目前國(guó)際千人基因計(jì)劃進(jìn)展如何。2.拜訪了幾位專(zhuān)家，未來(lái)人類(lèi)基因測(cè)序?qū)⒑统檠粯?，目前成本是否仍然很高?/p>
尹燁：@郝鵬洲 前幾期基本做完了，結(jié)果符合預(yù)期，現(xiàn)在各個(gè)國(guó)家都在爭(zhēng)做1M基因組。測(cè)序會(huì)便宜到和高端體檢差不多，但是解讀很難。
張涵誠(chéng)：是否只有上帝掌握大數(shù)據(jù)，我們?nèi)祟?lèi)可以認(rèn)識(shí)自己?jiǎn)幔?/p>
尹燁：已知圈子越大，未知圈子更大，人類(lèi)不可能徹底研究明白人類(lèi)或者任何物種。
張涵誠(chéng)：是否基因這個(gè)提法本身就有問(wèn)題？或者有其他的表達(dá)我們身體的方式？
尹燁：基因只是其中的一個(gè)最有代表性的指標(biāo)，包括蛋白，小分子，細(xì)胞、組織，系統(tǒng)都是生命的“通貨”；
張涵誠(chéng)：物種對(duì)于環(huán)境的的改變是不是微不足道？
尹燁：實(shí)際上是非常大，特別是人本主義的破壞。
張涵誠(chéng)：生命的描述維度有多少？目前華大有什么新的思路？
尹燁：至少有長(zhǎng)，寬，高，數(shù)量，時(shí)間、溫度、速度，我們?cè)谂Φ姆较蚴侨珪r(shí)全景的生命全信息；
張涵誠(chéng)：華大提供什么普惠的項(xiàng)目？
尹燁：宮頸癌篩查，耳聾基因篩查，地中海貧血檢測(cè)等都是我們現(xiàn)在做的公共衛(wèi)生項(xiàng)目。
花甲青年：@尹燁 有了育種大數(shù)據(jù)和超級(jí)計(jì)算，以后人類(lèi)吃飯不用愁了，這是大數(shù)據(jù)的人類(lèi)的第一大貢獻(xiàn)！謝謝你的報(bào)告！
尹燁：@花甲青年 謝謝鼓勵(lì)，我們叫做基因組指導(dǎo)下的定向聚合育種，我們做的雜交谷子去年最高的試驗(yàn)田畝產(chǎn)達(dá)到了950 kg。
金耀星：請(qǐng)問(wèn)：人一生的記憶，大約是多大數(shù)據(jù)量，可以測(cè)嗎？
尹燁：這個(gè)很難講，如果神經(jīng)元的結(jié)合方式我們能解決的話，我相信會(huì)有很大的突破?，F(xiàn)在來(lái)看差不多就是G級(jí)別的。
曾經(jīng)的小盧：@尹燁 剛才你說(shuō)的計(jì)算能力不是問(wèn)題，存儲(chǔ)是更大挑戰(zhàn)，請(qǐng)問(wèn)如何用DNA做如此大量數(shù)據(jù)的存儲(chǔ)呢？
尹燁：@曾經(jīng)的小盧 合成生物學(xué)，用0101的底層編碼引導(dǎo)合成。只要你0101能存，我ATCG就能存。舉一個(gè)最簡(jiǎn)單的例子，大腸桿菌，4M的基因組，可能在十幾分鐘就合成完畢了。如果我可以用1P的大腸桿菌定向做存儲(chǔ)，不就很快解決了一個(gè)Y的存儲(chǔ)了么？A——腺嘌呤 T——胸腺嘧啶 C——胞嘧啶G——鳥(niǎo)嘌呤，堿基，就是化學(xué)物質(zhì)。比如A，就是HCN 氰化氫的五聚體，也是所謂的海洋起源的重要標(biāo)志之一。
楊力偉：基因的因果關(guān)系你怎么判定呢？
尹燁：@楊力偉 現(xiàn)在的通用做法就是轉(zhuǎn)基因?qū)嶒?yàn)，比如敲除這個(gè)基因，看功能變化。
曾經(jīng)的小盧：可以認(rèn)為這是一種4進(jìn)制計(jì)算嗎？
尹燁：@曾經(jīng)的小盧 它不存在“進(jìn)”的概念，還有先后順序，還有更多的奇怪規(guī)矩，比如AAAA這樣不能連續(xù)太多次。
曾經(jīng)的小盧：這還是四進(jìn)制了啊，你的計(jì)算單元已經(jīng)是4種了啊
尹燁：本質(zhì)上還是二進(jìn)制，00，01，10，11。
聯(lián)系客服
