陈润生院士：生物大数据分析带来的精准预测，是预防重大疾病的关键整理|陈彩娴高性能计算被誉为

文章图片
整理|陈彩娴
高性能计算被誉为计算机科学的「神来之笔」，在过去的数十年，对气象、海洋、物理、生物、材料、机械工程，甚至人工智能等等领域均产生了重要的影响。
换句话说，也就是越来越多学科在「抱CS的大腿」。
那么，高性能计算的发展，对生物大数据的分析究竟体现在哪些方面？高性能计算与人工智能模型的结合，又对人类了解生物数据背后隐藏的规律与密码起到怎样的帮助？
在10月21日于珠海横琴召开的全国高性能计算学术年会（CCFHPCChina2021）上，陈润生院士作了题为「从大数据、精准医学到核酸药物」的主题报告，介绍了大数据的出现在生物领域所引起的一系列变革。
陈润生院士是我国最早从事理论生物学、生物信息学以及非编码RNA研究的科研人员之一，目前在中国科学院生物物理研究所担任核酸生物重点实验室主任，同时是国际人类基因组织会员、国际数据库组织生物大分子专业组委员。
以下， AI科技评论对陈润生院士于CCFHPCChina2021的报告作了不改原意的整理：
1从大数据到精准医学
我想讲三个问题。第一个问题是「从大数据到精准医学」。
近30年以来，生物领域发生了重大的变化，而变化的原因背后，是生物领域已经进入大数据时代。人的遗传密码可以测试，水稻的遗传密码也可以测试。
这是一段真实的人类遗传密码（如下图），是一尾线性的字符串，但上面只有4个符号。遗传密码的形式非常简单，主要是长，有30亿个建基。

文章图片
人类历史上只有最近30年才可以破译自己的遗传密码。能够测量遗传密码，也就得到了前所未有的、跟生物相关的大数据。大数据必然会带来大的信息，信息的解析给生物医学带来的冲击是巨大的。
我们再看下面一个例子：
图的左边是高等生物的结构和遗传核酸信息链，右边是新冠病毒核苷酸的链。新冠病毒的结构远比人的简单得多。图中所示是从早期的武汉病人身上提取的新冠病毒完整序列。这个序列很短，人类遗传密码是3乘10的九次方，而新冠病毒只有29903个。但即便是这么短的序列，给我们带来的影响却是深远的。
由于有了大数据的测量，新冠在武汉出现以后，中国科学家在一周内就测量了它的完整序列，而这序列在国际社会上公布以后，世界上最大的核酸疫苗公司Moderna用了两天时间就基于这个序列设计出了现在人尽皆知的核酸疫苗， BioNTech公司用这样的大数据甚至只用了4个小时就设计出核酸疫苗，为抗击新冠起了非常重要的作用。
所以大数据分析对生物领域的冲击、对预防新冠的影响是巨大的、是根本的。在2003年，人类用了4个月的时间才确定了SARS病原体的组成和序列；更早之前， 20世纪的西班牙流感用了13到15年才决定了病原的性质。而现在，有了大数据，人类只要几天就可以确病毒的序列，几个小时就可以把疫苗设计出来，可见大数据对人类的影响是巨大的。
我们再举一些例子，谈谈生物大数据对人类健康与疾病预防的作用。
美国著名影星AngelinaJolie来自所谓的乳腺癌家族。过去没有大数据的测量，不知道病因，有大数据测量遗传密码后，她发现她的家族有基因BRCA1的突变，由于这么一点遗传序列的变化，她的家族大多数人到一定年龄就会罹患乳腺癌去世。在她还很年轻的时候，她也测了自己的遗传密码，发现自己也是阳性，所以她决定做预防性治疗，切掉了当时还完全正常的乳腺，杜绝了自己此后患乳腺癌的可能性。