生物大數據“前景美好，路難行”

*預測、高考預測、當前哪種男性……這些大家所熟悉的分析都用到了大數據，但是很少人知道，大數據早將“手”伸到了生物醫學領域，開始了疾病預測。

歐美國家對生物領域發展大數據十分重視。今年3月，英國宣布，英國醫學研究理事會(hui) （MRC）將投資3200萬(wan) 英鎊資助*5大項目，來提高醫學生物信息學的能力、產(chan) 能和核心基礎設施。這項“醫學生物信息學計劃”預計總投資5000萬(wan) 英鎊，將通過建立耦合複雜生物數據和健康記錄的新方法，來解決(jue) 關(guan) 鍵的醫學難題。

早在2012年3月，美國奧巴馬政府就宣布推出“大數據的研究和發展計劃”，將大數據提升到了國家戰略層麵，承諾將投資兩(liang) 億(yi) 多美元。2014年，美國政府就如何充分利用生物醫學大數據，又啟動了Big Data to Knowledge計劃。

雖然我國企業(ye) 也頻頻在大數據上有所動作，但是上海生物信息技術研究中心主任、中科院上海生命科學研究院生物信息中心主任李亦學對《中國科學報》記者指出：“雖然國內(nei) 大數據在其他方向的發展遠超國外，但是生物大數據與(yu) 國外相比仍比較落後。”

沒有免費的午餐

生物大數據發展相較國外落後，並不是因為(wei) 沒有數據量產(chan) 生。

據我國zui早從(cong) 事理論生物學和生物信息學研究的科研人員之一、中國科學院院士陳潤生介紹，以華大基因為(wei) 代表的基因測序機構為(wei) 生物大數據的產(chan) 生作出重要貢獻。

華大基因當前的測序量大約占據數據量的40%左右，而且隨著技術發展和測序手段成本的下降，幾乎所有的研究型大學和研究單位，無論是在農(nong) 業(ye) 、林業(ye) 還是醫學，都對基因測序有所涉及。

“基因組層麵的生物大數據的發展帶動了蛋白質組、代謝組、生物網絡等各個(ge) 層級的相關(guan) 生物大數據的海量產(chan) 生，但是我國當前還未能建立統一的生物數據信息中心。”陳潤生指出。

李亦學也認為(wei) ，生物大數據滯後於(yu) 國外的zui根本原因在於(yu) 我國沒有大型的綜合生物大數據庫，也沒有生物大數據中心平台。

這意味著，我國開展研究時隻能向國外的大數據庫“求助”。雖然這些大數據庫都宣稱，隻要遞交申請就可免費共享數據，但是，天下並沒有免費的午餐。

記者了解到，一些大型生物學數據庫要求數據使用申請者提交詳細的數據使用說明，即使數據庫中已存有我國科學家所提交的相當規模的數據，但想再取出使用卻絕非易事。

李亦學稱：“免費共享數據僅(jin) 是從(cong) 理論上而言，實際核心數據不會(hui) 及時交給申請者，內(nei) 行會(hui) 發現獲得的數據都是非核心的或不完整的。研究醫學相關(guan) 的大數據庫則有專(zhuan) 門委員會(hui) 來審核數據申請者，如果拒絕申請，也不會(hui) 給出理由。”

因此，為(wei) 了具備拿數據的資格，我國科學家們(men) 常需反複準備申請材料，卻往往再也沒有下文。“受製於(yu) 人，非常惱火。”李亦學感歎道。

建大平台遇“難題”

*生物數據庫的建立，往往帶有公益色彩，需要有長期穩定的投入和專(zhuan) 業(ye) 的技術隊伍。據專(zhuan) 家介紹，上世紀90年代，我國有關(guan) 部門已考慮建立國家層麵的數據中心，但直到現在，仍未討論出具體(ti) 的實施方案。

那麽(me) ，為(wei) 何數據中心遲遲未能建立？

李亦學向記者算了一筆賬，英美國家對數據庫的建立投入了很多資金，引進的人才大部分有博士學位，每年的費用都由國會(hui) 撥款支持，來源比較穩定，一年約需投入1億(yi) 美元。

“我國如果建立一個(ge) 類似的生物大數據中心，應該也要有數百人的編製和每年幾億(yi) 元的長期穩定投入。這筆錢如果由政府支付，障礙仍然不小。”李亦學分析。

陳潤生也指出，建立一個(ge) 國家層級的數據平台雖然在科學界是共識，但是這個(ge) 中心建立的地點、呈現的方式（實體(ti) 還是虛擬）、囊括的內(nei) 容、涉及的權利範圍以及怎麽(me) 管理、由誰來管理都有很多不同的方案。

在這樣的形勢下，不能集中精力、統一調配全國的生物數據成了一道難題。

“用基因組數據得跟華大商量，用蛋白數據得跟其他人商量，小數據中心雖然有，但都是各自的，沒有統一的協調管理。沒有全國的生物數據中心，則無法統籌。”陳潤生道出了難處。

同時，我國生物數據雖然產(chan) 出量大，但利用率遠遠不夠。盡管產(chan) 生的數據提供了很好的信息，但是挖掘其全部價(jia) 值還牽扯到很多方麵。如數據量很大，能否在短時間內(nei) 分析和挖掘其價(jia) 值是個(ge) 問題。

而且，大數據產(chan) 生後需要相應的理論、技術和方法來跟進，也需要新的工具和方法。業(ye) 內(nei) 人士指出，國內(nei) 現有的生物大數據分析能力雖然與(yu) 歐美相差不大，但是在數據分析構架、軟件係統與(yu) *IT技術接軌上有待提升。

植根中國“土壤”

李亦學指出，生物大數據雖然麵臨(lin) 這些障礙，但是可以靠“抓目標、強合作”追上的腳步。

他認為(wei) ，中國發展生物大數據的優(you) 勢在於(yu) 有海量樣本。

當下應該做的，就是保護國內(nei) 的生物數據資源並且尋找有價(jia) 值的利用方向。

“一是要明確生物大數據發展的目標和途徑，二是敞開胸懷和國內(nei) 的研究單位合作，將生物大數據這項事業(ye) 做好。”李亦學強調。

例如，我國目前實行的醫聯工程在上海地區已經取得了一些成果。

*醫院和社區醫院把就診居民的就診記錄和健康檔案全部聯網，建立了數據庫體(ti) 係，包含了3400萬(wan) 份電子病曆和檔案。

李亦學表示，在征得樣本同意後調用健康檔案和檢查結果，既提高了看病效率，又不會(hui) 妨礙隱私保護，像小水珠一樣的數據zui終也能匯聚成*大海，有益於(yu) 生物大數據這項國家戰略資源的保護與(yu) 利用。

陳潤生也指出，生物大數據發展應該腳踏實地，植根於(yu) 中國的“土壤”，挖掘自身特色。

“中國的物種自身具備多樣的特點，*有可能形成有特色的生物大數據體(ti) 係。在這樣的形勢下，瞅準問題，發展生物大數據的目的性更強一些，這才是我們(men) 要關(guan) 注的。”陳潤生說。