精准医疗面临挑战(2)
尽管没有救活父亲，但伯特西马斯认为依据大数据是可能获得比较好的精准医疗的效果的。他和团队收集了自1980年以来大量有关胃癌的论文，并从其中的414篇论文里获取495项临床试验治疗数据，包括癌症的严重程度，病人使用什么药物，治疗计划与疗效如何，药物的副作用有多少和多严重，病人的生存期等。这些数据可以告诉人们，对于特定的癌症和人群，哪些疗法的效果最佳，哪些疗法又会有副作用。
对这些数据，伯特西马斯的研究团队采用机器学习的方法，建立统计学模型，把药物类型和剂量与疗效直接挂钩。利用这个模型，以1980～2005年与1980～2006年的数据，预测2006年和2007年的治疗结果，模型的预测极为准确。也就是说，对不同的癌症病人可以预测不同的化疗药物组合可能起到的最好效果。
伯特西马斯称，他们已经尝试了预测药物A和药物B的组合疗法，也尝试了药物C和药物D的组合疗法，而且根据他们的最佳药物治疗预测，一般可使确诊胃癌后平均只有10个月生存期的病人再延长4～6个月的生存期。但是药物A和药物C的疗法还没有预测。下一步就是从庞大的药物数据库中寻找出对特定人群能起到最好疗效的药物组合，对病人进行更好的治疗。
虽然这是依靠大数据以指导癌症治疗的最佳用药和取得最佳疗效，但是，其本质还是要归结到生物医学的内核。一个事实是，即便患同一种癌症，每个人的癌症也是不一样的。既然药物A与B或C与D的組合能对某一患癌人群(如胃癌)有较高的疗效，说明这群个体中某种致癌基因和癌症对药物的敏感性可能相同，这些原因也许是分子标记，也许是碱基片段的突变，因此需要从生物医学去探讨，才能获得在统计学大数据之外和之后的精准医疗的机理，而且这两种精准医疗的机理应该是相辅相成的。
精准医疗还只是起步
对癌症的精准医疗首先是明确多种癌症的致癌基因，这种策略同样适用于诊断和治疗其他疾病，因此精准医疗的内容相当庞大。现阶段，精准医疗只是发展到识别和发现多种疾病的致病基因，至于发现后可以利用什么样的方法来治疗，是第二步程序或任务。正如上述所言，即便发现致癌基因，针对特定癌症基因的有效药物还难以获得，有的甚至还没有研发出来。其中一个原因在于，药物利用和针对的靶标比较少，并且靶标蛋白和信号通路的表达水平也与患者的个体差异有关。
因此，对于所有疾病而言，精准医疗的第一步是找到致病基因，而且，发现致病基因也相当复杂。对于单基因导致的疾病，查找致病基因和研发相应的药物比较容易，但是，对于多基因疾病，除了发现致病基因比较困难外，即便发现了多种致病基因，相应地也增加了药物和其他治疗方式研发的难度。
例如，对自闭症病因的探索就是如此。自闭症在医学术语上称为“孤独症谱系障碍”，与智力障碍一样，是由多种病因引起的综合征。自闭症从被发现到现在的70多年间，一直被视为与遗传有关，而且是一种多基因异常引发的疾病。目前的研究发现，有400多个基因可能与自闭症的发病有关，其中包括基因的突变和拷贝数变异等，但是，这些基因只能说与自闭症相关，只有极少数能够被确认为致病基因。
从动物试验能够确认的自闭症基因是Shank3基因，该基因的突变可导致小鼠表现出自闭症症状。在试验中，研究人员发现，没有Shank3表达的小鼠会出现焦虑和重复行为。进一步的研究是，通过Shank3基因编辑小鼠，在小鼠的胚胎期关闭Shank3基因，然后分别在出生后早期和成年期用他莫昔芬(一种药物)打开基因。结果发现，成年期(2～5月)打开Shank3基因减少了小鼠的刻板行为，也改善了小鼠不愿意社交的倾向，但焦虑和运动协调没有改善，突触蛋白组成和突触密度也没有改善；如果在小鼠20天的早期打开Shank3基因，则小鼠孤独症行为全面改善。
此外，近期的研究发现，UBE3A基因的开启和关闭能保证大脑神经元和正常的脑发育过程，但自闭症的这种基因突变(变得异常活跃)会破坏大脑神经元的调节开关，造成酶不能正常失活，从而驱动异常的脑发育和自闭症。
如果自闭症仅有这样的一两个致病基因则比较容易研发有针对性的药物，但事实上，自闭症的发病牵涉很多基因。因此，需要建立自闭症的致病基因和相关基因的基因库，然后利用基因测序技术来识别这些基因，以鉴别和判断哪些人容易患这种疾病，达到早诊断、早干预的目标。至于有效的治疗药物和手段，还需要后续的探索。也就是说，对于自闭症而言，目前的精准医学只是刚刚能达到对自闭症的相关基因测序，从而提前预判，帮助准确诊断自闭症。
目前，一些基因测序公司已经整合上万个神经精神疾病基因的突变数据，而且有超过2000个中国人群自闭症基因样品的数据，也综合分析得到了520个自闭症候选基因，既包括明确的自闭症基因，也考虑了一些新的风险基因，同时还包括一些中国人特有的风险基因。比照癌症登月计划，这些基因大数据如果能共享，将对精准医疗有很大的帮助。
尽管现阶段精准医疗似乎还没有理想的效果，但从大数据着手，再深入和结合生物医学的探索，精准医疗的前景并非黯淡无光。
【责任编辑】张田勘 (王一凡)
对这些数据，伯特西马斯的研究团队采用机器学习的方法，建立统计学模型，把药物类型和剂量与疗效直接挂钩。利用这个模型，以1980～2005年与1980～2006年的数据，预测2006年和2007年的治疗结果，模型的预测极为准确。也就是说，对不同的癌症病人可以预测不同的化疗药物组合可能起到的最好效果。
伯特西马斯称，他们已经尝试了预测药物A和药物B的组合疗法，也尝试了药物C和药物D的组合疗法，而且根据他们的最佳药物治疗预测，一般可使确诊胃癌后平均只有10个月生存期的病人再延长4～6个月的生存期。但是药物A和药物C的疗法还没有预测。下一步就是从庞大的药物数据库中寻找出对特定人群能起到最好疗效的药物组合，对病人进行更好的治疗。
虽然这是依靠大数据以指导癌症治疗的最佳用药和取得最佳疗效，但是，其本质还是要归结到生物医学的内核。一个事实是，即便患同一种癌症，每个人的癌症也是不一样的。既然药物A与B或C与D的組合能对某一患癌人群(如胃癌)有较高的疗效，说明这群个体中某种致癌基因和癌症对药物的敏感性可能相同，这些原因也许是分子标记，也许是碱基片段的突变，因此需要从生物医学去探讨，才能获得在统计学大数据之外和之后的精准医疗的机理，而且这两种精准医疗的机理应该是相辅相成的。
精准医疗还只是起步
对癌症的精准医疗首先是明确多种癌症的致癌基因，这种策略同样适用于诊断和治疗其他疾病，因此精准医疗的内容相当庞大。现阶段，精准医疗只是发展到识别和发现多种疾病的致病基因，至于发现后可以利用什么样的方法来治疗，是第二步程序或任务。正如上述所言，即便发现致癌基因，针对特定癌症基因的有效药物还难以获得，有的甚至还没有研发出来。其中一个原因在于，药物利用和针对的靶标比较少，并且靶标蛋白和信号通路的表达水平也与患者的个体差异有关。
因此，对于所有疾病而言，精准医疗的第一步是找到致病基因，而且，发现致病基因也相当复杂。对于单基因导致的疾病，查找致病基因和研发相应的药物比较容易，但是，对于多基因疾病，除了发现致病基因比较困难外，即便发现了多种致病基因，相应地也增加了药物和其他治疗方式研发的难度。
例如，对自闭症病因的探索就是如此。自闭症在医学术语上称为“孤独症谱系障碍”，与智力障碍一样，是由多种病因引起的综合征。自闭症从被发现到现在的70多年间，一直被视为与遗传有关，而且是一种多基因异常引发的疾病。目前的研究发现，有400多个基因可能与自闭症的发病有关，其中包括基因的突变和拷贝数变异等，但是，这些基因只能说与自闭症相关，只有极少数能够被确认为致病基因。
从动物试验能够确认的自闭症基因是Shank3基因，该基因的突变可导致小鼠表现出自闭症症状。在试验中，研究人员发现，没有Shank3表达的小鼠会出现焦虑和重复行为。进一步的研究是，通过Shank3基因编辑小鼠，在小鼠的胚胎期关闭Shank3基因，然后分别在出生后早期和成年期用他莫昔芬(一种药物)打开基因。结果发现，成年期(2～5月)打开Shank3基因减少了小鼠的刻板行为，也改善了小鼠不愿意社交的倾向，但焦虑和运动协调没有改善，突触蛋白组成和突触密度也没有改善；如果在小鼠20天的早期打开Shank3基因，则小鼠孤独症行为全面改善。
此外，近期的研究发现，UBE3A基因的开启和关闭能保证大脑神经元和正常的脑发育过程，但自闭症的这种基因突变(变得异常活跃)会破坏大脑神经元的调节开关，造成酶不能正常失活，从而驱动异常的脑发育和自闭症。
如果自闭症仅有这样的一两个致病基因则比较容易研发有针对性的药物，但事实上，自闭症的发病牵涉很多基因。因此，需要建立自闭症的致病基因和相关基因的基因库，然后利用基因测序技术来识别这些基因，以鉴别和判断哪些人容易患这种疾病，达到早诊断、早干预的目标。至于有效的治疗药物和手段，还需要后续的探索。也就是说，对于自闭症而言，目前的精准医学只是刚刚能达到对自闭症的相关基因测序，从而提前预判，帮助准确诊断自闭症。
目前，一些基因测序公司已经整合上万个神经精神疾病基因的突变数据，而且有超过2000个中国人群自闭症基因样品的数据，也综合分析得到了520个自闭症候选基因，既包括明确的自闭症基因，也考虑了一些新的风险基因，同时还包括一些中国人特有的风险基因。比照癌症登月计划，这些基因大数据如果能共享，将对精准医疗有很大的帮助。
尽管现阶段精准医疗似乎还没有理想的效果，但从大数据着手，再深入和结合生物医学的探索，精准医疗的前景并非黯淡无光。
【责任编辑】张田勘 (王一凡)