前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)與數(shù)據(jù)庫的發(fā)展，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

【摘要】在高通量基因檢測和信息技術(shù)的加持下，醫(yī)學(xué)基因組學(xué)的大數(shù)據(jù)構(gòu)成了精準(zhǔn)醫(yī)學(xué)的基礎(chǔ)工程，推動了人類在分子層面上深入認(rèn)識疾病和健康的進(jìn)程。通過分析醫(yī)學(xué)基因組學(xué)的大數(shù)據(jù)及其數(shù)據(jù)庫的功能、作用和特點(diǎn)，闡述其對醫(yī)療及健康產(chǎn)生的重大影響及以安全、規(guī)范、有益的方式推進(jìn)和使用的必要性。

【關(guān)鍵詞】基因組學(xué)；醫(yī)學(xué)；數(shù)據(jù)庫；大數(shù)據(jù)

基因組學(xué)在21世紀(jì)獲得了快速的發(fā)展，主要是依賴于基因測序技術(shù)的發(fā)展和信息技術(shù)的加持。由于生物技術(shù)和信息技術(shù)的互相滲透和協(xié)同，在計算機(jī)科學(xué)的算法、算力及軟件的支持下，基因組學(xué)技術(shù)的成本正在以超過摩爾定律的速度下降。過去完成一個全基因組測序分析需要幾天，現(xiàn)在只需幾個小時就可完成。由于成本及速度的極大改善，基因組大數(shù)據(jù)正在以PB（1PB=1024TB）到EB（1EB=1024PB）的數(shù)量級累進(jìn)，而目前全球每年產(chǎn)生的基因組學(xué)數(shù)據(jù)已接近EB級別。

一、醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)現(xiàn)狀

基因組學(xué)是一門研究基因組的科學(xué)，其作為生命科學(xué)及其他學(xué)科的基礎(chǔ)已經(jīng)成為發(fā)展最快、最活躍的一個領(lǐng)域，也是21世紀(jì)生命科學(xué)發(fā)展的前沿和方向［1］?；蚪M學(xué)通過基因測序和分析研究基因的結(jié)構(gòu)與功能，解釋更多基因與生物體之間的關(guān)系，其與轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)共同構(gòu)成了系統(tǒng)生物學(xué)中組學(xué)研究的基礎(chǔ)［2］。基因組學(xué)及其相關(guān)產(chǎn)業(yè)能迎來快速發(fā)展的時期是始于人類基因組計劃（humangenomeproject，HGP），由美國率先發(fā)起，英國、法國、德國、日本和我國科學(xué)家共同參與的一項規(guī)模宏大、跨多學(xué)科、跨多國家的科學(xué)探索工程［3］。HGP于1990年啟動，歷時13年于2003年4月25日完成，其中2001年“人類基因組序列草圖”的發(fā)表被認(rèn)為是HGP成功的里程碑。自從HGP完成以來，對科學(xué)發(fā)展和社會各界都產(chǎn)生了非常深遠(yuǎn)的影響，極大的推動了生物醫(yī)學(xué)的研究，也為更多科學(xué)問題的探索提供了新路徑［4］。醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)正是在這種背景下產(chǎn)生和發(fā)展，是指生物醫(yī)學(xué)中的組學(xué)數(shù)據(jù)，包括基因型、表型數(shù)據(jù)等，通過生物信息分析，能為健康和疾病提供決策依據(jù)的數(shù)據(jù)［5-6］。這些數(shù)據(jù)具有大數(shù)據(jù)的特點(diǎn)，體量大、匯總雜、分析難，其加工處理對科技人員的素質(zhì)要求也非常高，需要具備基因組學(xué)、分子生物學(xué)、生物化學(xué)、藥理學(xué)、分子遺傳學(xué)、生物信息學(xué)、統(tǒng)計學(xué)、線性代數(shù)、數(shù)據(jù)挖掘、分布式計算、軟件工程、數(shù)據(jù)庫、網(wǎng)絡(luò)工程、信息安全、數(shù)據(jù)加密等復(fù)合知識和能力。因此，這遠(yuǎn)非個體所能完成，而是需要通過團(tuán)體的力量去完成的系統(tǒng)工程［7］。醫(yī)學(xué)基因組學(xué)的大數(shù)據(jù)是需要用特殊的軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是用新處理模式才能實(shí)現(xiàn)具有更強(qiáng)的決策力和洞察力的數(shù)據(jù)信息源，是具有海量、高增長性和多樣化的信息資產(chǎn)?；蚪M數(shù)據(jù)量越大，越能細(xì)分人群特征，越能聚類發(fā)現(xiàn)未知問題。這對于復(fù)雜疾病的病因探索、疾病預(yù)防和健康管理具有重要價值。醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)非常復(fù)雜，人類基因組是由30億對堿基構(gòu)成，隨著不同地域、人種、時空等因素不斷發(fā)生變化，首先要從中找出堿基對的異同，然后根據(jù)異同還要對應(yīng)到表型的一致性改變來進(jìn)行關(guān)聯(lián)分析。顯然，僅依靠人類的頭腦來計算是無法實(shí)現(xiàn)的，而計算機(jī)助力了這些應(yīng)用，也決定了這項工作的效率、成本、準(zhǔn)確度［8］。同時，大數(shù)據(jù)資源也可以用于交換，未來像商品一樣流通。農(nóng)耕時代土地是資源，工業(yè)革命時代礦產(chǎn)是資源，互聯(lián)網(wǎng)時代信息是資源，人工智能時代大數(shù)據(jù)就是資源。通過大數(shù)據(jù)分析可以指導(dǎo)醫(yī)療健康活動，如發(fā)現(xiàn)特別的基因位點(diǎn)，用于藥物的研究等。大數(shù)據(jù)分析需要高素質(zhì)的復(fù)合性人才，還要算法、算力和軟件的輔助，需要政府、醫(yī)療機(jī)構(gòu)和科技公司團(tuán)隊的協(xié)作和共同努力。如無創(chuàng)產(chǎn)前基因檢測［9］、耳聾基因檢測［10］、病原微生物基因檢測［11］，大規(guī)模人群篩查檢測項目形成了重要的公共衛(wèi)生大數(shù)據(jù)的原始積累。

二、國內(nèi)外基因組學(xué)大數(shù)據(jù)及數(shù)據(jù)庫研究中心

隨著新的生物學(xué)技術(shù)方法的出現(xiàn)和基因測序成本的降低，生物醫(yī)學(xué)數(shù)據(jù)和信息進(jìn)入了快速增長的階段，更多生命科學(xué)的研究已經(jīng)開始向臨床醫(yī)學(xué)轉(zhuǎn)化方向發(fā)展。在國際上，各國已經(jīng)陸續(xù)開展了很多大規(guī)模的基因組測序計劃?；驕y序目標(biāo)不僅是人類還包括許多動物、植物和微生物，如千人基因組計劃［12-13］、水稻參考基因組項目［14］、地球生物基因組計劃［15］。隨著基因組測序計劃的啟動加速了復(fù)雜和多樣化的組學(xué)數(shù)據(jù)的積累，而處理這些龐大且具有科研價值的數(shù)據(jù)，需要安全存儲、開放共享、集中管理和應(yīng)用轉(zhuǎn)化的平臺。

（一）美國國立生物技術(shù)信息中心

美國國立生物技術(shù)信息中心（NationalCenterforBiotechnologyInformation，NCBI），創(chuàng)建于1988年。當(dāng)時由于計算機(jī)信息化處理生物醫(yī)學(xué)數(shù)據(jù)的需求越來越大，為了提供一個可以存儲、分析和管理的平臺，促進(jìn)生物醫(yī)學(xué)的進(jìn)一步研究和發(fā)展，美國創(chuàng)立了NCBI。目前該平臺包含眾多數(shù)據(jù)庫和數(shù)據(jù)檢索分析工具，其中GenBank核酸序列數(shù)據(jù)庫匯集并注釋了所有公開的核酸序列，并與歐洲核酸序列數(shù)據(jù)庫和日本的DNA數(shù)據(jù)庫中心達(dá)成國際核酸序列數(shù)據(jù)庫共享數(shù)據(jù)的合作［16］。

（二）歐洲生物信息研究所

歐洲生物信息研究所（EuropeanMolecularBiologyLaboratory-EuropeanBioinformaticsInstitute，EMBL-EBI）成立于1994年，是一個可以向全世界科學(xué)家提供免費(fèi)生物信息資源的研究機(jī)構(gòu)。該機(jī)構(gòu)建立了覆蓋多組學(xué)的大型生物信息公共數(shù)據(jù)庫，包括跨基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、化學(xué)信息學(xué)等，其中歐洲核酸序列數(shù)據(jù)庫（EuropeanNucleotideArchive，ENA）廣為世界各國的生物醫(yī)學(xué)科學(xué)家所熟知［17］。

（三）日本DNA數(shù)據(jù)庫中心

日本DNA數(shù)據(jù)庫中心（DNADataBankofJapan，DDBJ），創(chuàng)立于1984年。DDBJ開發(fā)了用于搜索堿基和氨基酸序列的SQmateh工具，并搭建了操作更加簡易的SOAP（simpleobjectaccessprotoco1）服務(wù)器，并且與NCBI的GenBank和EMBL-EBI已經(jīng)建立了緊密的合作關(guān)系，實(shí)現(xiàn)了數(shù)據(jù)共享和實(shí)時更新。此外，該中心還運(yùn)營功能基因組學(xué)、代謝組學(xué)以及人類遺傳和表型等數(shù)據(jù)庫［18］。

（四）中國國家基因庫生命大數(shù)據(jù)平臺

中國國家基因庫生命大數(shù)據(jù)平臺（ChinaNationalGeneBankDataBase，CNGBdb），是深圳國家基因庫的核心功能，是“三庫兩平臺”中生物信息數(shù)據(jù)庫的對外服務(wù)平臺。CNGBdb的主要功能是存儲人類健康及生物多樣性相關(guān)的數(shù)字化遺傳資源；同時平臺也搭建了生物數(shù)據(jù)庫及數(shù)據(jù)分析平臺，實(shí)現(xiàn)數(shù)據(jù)存儲和分析，為生物醫(yī)學(xué)科研及產(chǎn)業(yè)的轉(zhuǎn)化應(yīng)用提供大數(shù)據(jù)的基礎(chǔ)支撐［19］。秉持共有、共為、共享的原則，CNGBdb面向全球科研工作者提供生物大數(shù)據(jù)共享和應(yīng)用服務(wù)，并有計劃的和美國的NCBI、歐洲的EMBL-EBI、日本的DDBJ展開合作，整合全球公開生命數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)資源共享，形成融合多研究領(lǐng)域、多數(shù)據(jù)類型、多分析維度的超大型科研數(shù)據(jù)系統(tǒng)，集歸檔存儲、知識搜索、分析計算、管理授權(quán)于一體，推動中國生物遺傳數(shù)據(jù)與生命科學(xué)數(shù)據(jù)的規(guī)范管理和應(yīng)用。

三、醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)和數(shù)據(jù)庫發(fā)展困難與挑戰(zhàn)

在醫(yī)學(xué)基因組學(xué)的數(shù)據(jù)庫中，有根據(jù)其作用、功能、使用場景而進(jìn)行分類，如全基因組測序、全外顯子組測序等的數(shù)據(jù)庫；也有根據(jù)疾病類別，如地中海貧血癥、唐氏綜合征等疾病而進(jìn)行分類的數(shù)據(jù)庫。數(shù)據(jù)庫的建立是個復(fù)雜工程，有明確的開發(fā)目標(biāo)、專業(yè)人才、專門的分析工具，需要進(jìn)行論證、可行性分析等。數(shù)據(jù)的完整性和準(zhǔn)確性、數(shù)據(jù)的規(guī)范化和結(jié)構(gòu)化，合理的數(shù)據(jù)結(jié)構(gòu)，優(yōu)化算法的效果，數(shù)據(jù)之間的正確關(guān)聯(lián)關(guān)系，都與數(shù)據(jù)庫的質(zhì)量息息相關(guān)［20］。

（一）更多基因與疾病之間的關(guān)系還在探索中

基因型和表型之間的關(guān)聯(lián)度以及基因和更多疾病之間的關(guān)系還在不斷探索中。如微生物檢測方向宏基因組測序技術(shù)對一些耐藥菌抗生素應(yīng)用的指導(dǎo)尚有不足，一方面是檢測方法的成本較高對耐藥相關(guān)基因覆蓋度有限，靈敏度不高；另一方面是公布的耐藥基因型和表型之間的關(guān)聯(lián)度有差異。相對單基因遺傳性疾病的發(fā)展速度和研究成果，遺傳疾病的應(yīng)用還有一些發(fā)展較慢的研究方向，包括多基因遺傳、表觀基因遺傳和線粒體遺傳等。

（二）數(shù)據(jù)個體差異問題

無論如何，建立來源于不同族群和不同遺傳背景的數(shù)據(jù)，都只能是盡最大能力滿足精準(zhǔn)的需要。而個體的數(shù)據(jù)差異具有唯一性，沒有完全的重復(fù)。大數(shù)據(jù)或數(shù)據(jù)庫是達(dá)到和個體的最大公約數(shù)，數(shù)據(jù)量越大準(zhǔn)確性、權(quán)威性越高。所以，數(shù)據(jù)的質(zhì)量和數(shù)量的大小決定了在精準(zhǔn)醫(yī)學(xué)領(lǐng)域的話語權(quán)。

（三）數(shù)據(jù)算法和算力有待提高

隨著龐大而繁雜的醫(yī)學(xué)基因組學(xué)數(shù)據(jù)快速增長，對數(shù)據(jù)處理的算法和算力提出了更高的要求。海量的數(shù)據(jù)快速增加并且需跨越不同維度的數(shù)據(jù)處理，傳統(tǒng)的統(tǒng)計學(xué)數(shù)據(jù)處理算法已經(jīng)不能夠滿足要求，需要結(jié)合人工智能等新算法尋求突破。在保障數(shù)據(jù)安全的情況下，需要不斷研發(fā)針對醫(yī)學(xué)基因數(shù)據(jù)處理的新技術(shù)，提升算力效率。

（四）高素質(zhì)專業(yè)人才不足

數(shù)據(jù)分析和解讀對專業(yè)人員的要求越來越高。隨著新技術(shù)的發(fā)展和海量多維度的數(shù)據(jù)累積，未來需要更多跨多學(xué)科的人才支撐行業(yè)發(fā)展；信息技術(shù)、醫(yī)學(xué)和生命科學(xué)結(jié)合更加緊密，高校需要加大對多學(xué)科復(fù)合型人才的培養(yǎng)力度，以應(yīng)對更多醫(yī)療健康領(lǐng)域的復(fù)雜問題

（五）政策法規(guī)尚未完善

由于網(wǎng)絡(luò)具有共享和開放的屬性，醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)在使用和傳輸?shù)倪^程中涉及到的數(shù)據(jù)安全和個人隱私問題不可忽視［21］。因為基因大數(shù)據(jù)對生物醫(yī)學(xué)和其他健康領(lǐng)域的發(fā)展意義重大，所以數(shù)據(jù)的安全和隱私保護(hù)需要完善的機(jī)制、適應(yīng)發(fā)展的政策法規(guī)和創(chuàng)新性安全保護(hù)的技術(shù)手段。

四、醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)和數(shù)據(jù)庫發(fā)展趨勢

（一）數(shù)據(jù)庫向?qū)I(yè)化發(fā)展

醫(yī)學(xué)基因組學(xué)的大數(shù)據(jù)及數(shù)據(jù)庫，正推動著精準(zhǔn)醫(yī)學(xué)的發(fā)展。隨著數(shù)據(jù)的精細(xì)化分析能力提高和人工智能技術(shù)取得突破，數(shù)據(jù)庫將向更專業(yè)、更智能、更普遍的方向發(fā)展，根據(jù)不同工作或?qū)I(yè)建立數(shù)據(jù)庫。如肺癌數(shù)據(jù)庫、肝癌數(shù)據(jù)庫等單個疾病的數(shù)據(jù)庫，可以查到患者個體疾病的特征、疾病轉(zhuǎn)歸、以及個性化用藥的選擇等，服務(wù)于各專科臨床醫(yī)師［22］。

（二）成為醫(yī)務(wù)工作者的工具

隨著更多專業(yè)化的數(shù)據(jù)庫產(chǎn)生、新技術(shù)的快速更新與應(yīng)用將對生命結(jié)構(gòu)和疾病發(fā)生出現(xiàn)新的解讀，甚至影響疾病的診療流程。在疾病的預(yù)防、診斷、治療以及個體化用藥等各個方面都需要與時俱進(jìn)。對醫(yī)師的要求不僅需要掌握基本的醫(yī)學(xué)知識，也需要熟練使用專業(yè)的醫(yī)學(xué)基因組學(xué)的數(shù)據(jù)庫。

（三）標(biāo)準(zhǔn)化和規(guī)范化

在大數(shù)據(jù)時代的背景下，醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)的發(fā)展和使用也將越來越規(guī)范化，相應(yīng)的行業(yè)標(biāo)準(zhǔn)和體系共識也在不斷完善中。國家對大數(shù)據(jù)監(jiān)管也會越來越精細(xì)化，政策法規(guī)既要嚴(yán)格守住安全底線，也要為大數(shù)據(jù)和數(shù)據(jù)庫的健康發(fā)展奠基鋪路。

（四）堅持人文倫理的引導(dǎo)

科學(xué)技術(shù)的快速發(fā)展是需要人文倫理框架的引導(dǎo)和規(guī)范。倫理框架是為了更好的開展前沿技術(shù)的前提。醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)和數(shù)據(jù)庫的發(fā)展都應(yīng)建立在善待生命、尊重生命的基礎(chǔ)上才有利于人類的進(jìn)步與發(fā)展［23］。醫(yī)學(xué)基因組學(xué)大數(shù)據(jù)和數(shù)據(jù)庫技術(shù)需要全流程的安全、規(guī)范、有益使用，在合法合規(guī)的基礎(chǔ)上，推動科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)明就顯得尤其重要［24-26］。

參考文獻(xiàn)

[1]楊煥明.基因組學(xué)[M].北京:科學(xué)出版社,2016:3-5.

[2]Francis,RichardC.Epigenetics:theultimatemysteryofinheritance[M].NewYork:WWNorton,2011:17-22.

[3]楊煥明.科學(xué)與科普——從人類基因組計劃談起[J].科普研究,2017,12(3):5-7,104.

[4]GreenED,WatsonJD,CollinsFS.HumanGenomeProject:Twenty-fiveyearsofbigbiology[J].Nature,2015,526(7571):29-31.

[5]劉相蘭,孫志福.多組學(xué)大數(shù)據(jù)在精準(zhǔn)醫(yī)學(xué)中的地位及應(yīng)用[J].精準(zhǔn)醫(yī)學(xué)雜志,2020,35(1):1-5,10.

[6]CirilloD,ValenciaA.Bigdataanalyticsforpersonalizedmedicine[J].CurrOpinBiotechnol.2019,58:161-167.

[7]RehmanA,NazS,RazzakI.Leveragingbigdataanalyticsinhealthcareenhancement:trends,challengesandopportunities[J].MultimediaSystems,2022,28:1339-1371.

[8]RashidHU,HussainF,MASOODK.ApplicationofBigDatainHealthCare[J].IJCBS,2018,13:1-5.

[9]劉靜,何思捷,唐龍妹,等.河北省無創(chuàng)產(chǎn)前基因篩查模式的理論和實(shí)踐[J].中國婦幼保健,2022,37(22):4105-4110.

[10]WangQ,XiangJ,SunJY,etal.NationwidepopulationgeneticscreeningimprovesoutcomesofnewbornscreeningforhearinglossinChina[J].GenetMed,2019,21(10):2231-2238.

[11]ChenM,ZuoX,TanY,etal.SixaminoacidsofVP1switchalongwithpandemicofCV-A6-associatedHFMDinGuangxi,southernChina,2010-2017[J].JournalofInfection,2019,78(4):323-337.

[12]PennisiE.Genomics1000GenomesProjectgivesnewmapofgeneticdiversity[J].Science,2010,330(6004):574-575.

[13]NayanahS.1000Genomesproject[J].NatureBiotechnology,2008,26(3):256.

[14]InternationalRiceGenomeSequencingProject.Themap-basedsequenceofthericegenome[J].Nature,2005,436(7052):793-800.

[15]文樂樂.地球生物基因組計劃雄心勃勃[N].中國科學(xué)報,2022-01-20(001).

[16]SayersEricW,BoltonEvanE,Brister.DatabaseresourcesoftheNationalCenterforBiotechnologyInformationin2023[J].NucleicAcidsRes,2023,51(D1):D29-D38.

[17]KulikovaT,AkhtarR,AldebertP,etal.EMBLNucleotideSequenceDatabasein2006[J].NucleicAcidsRes,2007,35(Databaseissue):D16-D20.

[18]TanizawaY,FujisawaT,KodamaY,etal.DNADataBankofJapan(DDBJ)updatereport2022[J].NucleicAcidsRes,2023,51(D1):D101-D105.

[19]陳鳳珍,游麗金,楊帆,等.CNGBdb:國家基因庫生命大數(shù)據(jù)平臺[J].遺傳,2020,42(8):799-809.

[20]PramanikPKD,MukhopadhyayM,PALS.Bigdataclassification:applicationsandchallenges[M/OL].Singapore:Springer,2021:53-84.

[21]武奧申,劉小娜,劉昀赫,等.二代基因測序數(shù)據(jù)管理和大數(shù)據(jù)平臺在精準(zhǔn)醫(yī)學(xué)中的應(yīng)用[J].中國生物工程雜志,2019,39(2):101-111.

[22]孫可欣,詹思延,胡永華.醫(yī)學(xué)大數(shù)據(jù)在藥物基因組學(xué)領(lǐng)域中的應(yīng)用與發(fā)展[J].藥物流行病學(xué)雜志,2017,26(1):68-73.

[23]PriceWN,CohenIG.Privacyintheageofmedicalbigdata[J].NatMed,2019,25:37-43.

[24]中華人民共和國網(wǎng)絡(luò)安全法[J].中華人民共和國全國人民代表大會常務(wù)委員會公報,2016,(6):899-907.

[25]中華人民共和國數(shù)據(jù)安全法[J].中華人民共和國全國人民代表大會常務(wù)委員會公報,2021,(5):951-956.

[26]中華人民共和國個人信息保護(hù)法[J].中華人民共和國全國人民代表大會常務(wù)委員會公報,2021,(6):1117-1125.

作者:許四虎 李敬宇 潘榮 晉向前 肖棉文 李雪香 單位:深圳市基于基因組學(xué)大數(shù)據(jù)的醫(yī)學(xué)分析工程技術(shù)研究中心