米乐m6“身处学科交叉、技术融合和平台共享等理念实践的前沿，以队列研究为代表的科研项目将进一步增进国际交流与合作，不断驱动生物医学领域更深层次的科学进步。”日前，在2023队列研究及精准医学转化学术论坛暨第三届因美纳NGS大会上，南京医科大学校长胡志斌教授说。
队列研究是指对具有相同特征或相同暴露的人群，在不同的时间段进行跟踪观测，从中探究影响健康因素。中国是全球较早启动精准医学和队列研究的国家之一。队列研究的发展以及从科研成果转化而来的技术应用，能够促进对于我国特有疾病成因的了解，有助于早筛早诊、精准治疗。
作为全球大规模人群队列研究的“典型范本”，英国生物样本库（UK Biobank，UKB）共收集了来自50万名年龄在40到69岁之间的英国人的健康数据，共有约1,500万份生物样本。
英国剑桥大学Emanuele Di Angelantonio教授表示：“UKB集合了来自政府资助、科研机构和产业基金等各方的力量，真正实现了大规模公众支持米乐m6、样本深度分析、数据共享、成功对接医学研发的研究目标。UKB特有的开放性，为科学家与研究人员提供了独特的价值——既能提供数据来指导实践，又能促成新的病因学见解，使得科研‘大数据’被不断刷新。”
为了实现精准医疗，新加坡制定了国家精准医疗计划（National Precision Medicine, NPM），该计划分为三个阶段：建设东南亚最深入的表型队列，以推动并加深对多族裔亚洲人群健康的了解；实现数据驱动的医疗保健系统，以识别疾病和病情进展风险较高的群体；通过提升本土企业能力并吸引跨国企业投入，促进新加坡的精准医疗产业的整体建设与发展。新加坡精准健康研究所（Precision Health Research，Singapore，简称PRECISE）首席科学官约翰·钱伯斯（John Chambers）教授分享道：“在计划的第一阶段米乐m6，我们建立了世界上规模最大的多族裔亚洲人群基因数据库（SG10K_Health）。它对于新加坡高发的遗传性疾病提供了深入见解，临床医生正将其作为管理遗传病患者的参考数据库。”
我国人口基数大，民族多样性丰富，地区差异明显，疾病谱复杂，具有开展大规模人群队列研究的独特优势。随着中国队列研究的发展，当前学界对多学科多中心协作、标准体系统一、生物样本数据共享等下一阶段问题给予了更多关注。以中国慢性病前瞻性队列（China Kadoorie Biobank，CKB）、泰州队列、江苏出生队列等为代表的大规模人群队列研究项目均取得了重要进展，这为制定符合我国国情的疾病防控对策提供了新思路与科学依据，也为全球队列研究提供了“中国样本”。
谈及当前的队列研究现状，复旦大学泰州健康科学研究院执行院长陈兴栋研究员认为，“队列研究如果想要实现较高的质量，在完成基线调查后需对入组人群进行长期跟踪随访，需要与卫生、社保、公安和民政等部门进行沟通，而这一点在中国目前尚未完全打通。不过，相信在不久的将来，中国可以在多部门支持下建立更完善的监测系统米乐m6，便于队列研究高质量开展。”
数据存储和共享也是队列建设的重要一环。不同的队列会产生大量数据，未来有没有可能会集中于一个平台供研究者使用？南京医科大学公共卫生学院流行病学系戴俊程教授表示，国家很重视队列建设，产生的数据原则上也是要进行共享的，但目前在国家层面尚未有大体量的数据库开放给所有的研究者。不过，目前已有一个相对成熟的模式——创建“数据沙箱”，并在相关研究者授权之后，可接入进行分析，在不把个体数据拷贝出来的情况下达到“共享”的目的。
应对人口老龄化已成为我们医学健康问题的重大命题。在中国，60岁及以上人口约占总人口的18.9%，到2030年这一比例预计将达25%。作为中国老年健康生物标志物队列项目的带头人，中国疾病预防控制中心副主任施小明研究员表示：“我国人口老龄化形势突出，且老年人口多种慢性病共存比例达75%，为社会和公共服务带来一系列挑战。老龄人群健康问题的研究需要深入探究遗传学机制，我们希望通过对全国代表性队列和重点地区数据的分析研究，为我国健康老龄化的推进应对提供科学证据。”
当前，出生缺陷已成为我国新生儿死亡的首要因素，其发生率约为5.6%。为提升出生人口质量并为相关策略的制定提供科学依据，国内出生队列研究在过去十年间陆续兴起。复旦大学附属儿科医院副院长周文浩教授表示：“在新生儿出生缺陷中，可明确遗传诊断的约30%。危重症患儿的遗传病表型可能在早期还没有出现，或者并不典型，还有可能被其他临床症状所掩盖。在新生儿危重症临床队列的实践中，我们尤为关注整合多维度表型和基因型数据，争取在‘多组学’模式的遗传病诊断研究方面取得突破。”
肤纹研究也在本次大会上引起关注。指纹作为肤纹的一种，形成于胚胎发育早期。因其永久稳定和唯一性，又被称为“人体身份证”。中国科学院上海营养与健康研究所汪思佳研究员指出，肤纹研究需要采集大量的样本，利用采集到的样本研究人群外貌特征背后产生影响的基因原因。“事实上，影响指纹特征的基因不是皮肤发育的基因，而是肢体发育的基因。这就给不少现实应用提供了重要的理论基础米乐m6。目前米乐m6，我们希望能够通过以基因检测为代表的技术手段，通过外貌特征的表型、分子表型等来完成辅助诊断、辅助筛查。”
近年来，新兴技术的涌现、突破与应用，正不断加速科研领域新发现的诞生与成果转化。随着基因测序技术的迭代升级、单位测序成本以“超摩尔定律”的速度飞速下降，科学家和研究人员能够在有限的预算范围内对更多的样本进行测序，并结合生物信息学分析及解读的进步，持续驱动着精准医学领域新见解的快速发现。
今年6月，因美纳宣布推出全新人工智能（AI）算法——PrimateAI-3D，其能够利用灵长类动物基因和先进的人工智能技术来改善遗传风险预测和药物靶点发现。据估算，单个人的全基因组序列数据约为90GB（十亿字节），一项50万人的队列研究仅基因组序列数据就高达约5.6 PB（千兆字节），约等于5亿张照片与1.5亿小时视频的数据量。“基于人工智能和大模型的算法正在基因数据领域展现巨大潜力，因美纳研发团队正全力推动基于自然选择训练的AI算法在基因数据中的应用开发。” 因美纳人工智能副总裁、杰出科学家Kyle Farh介绍。
提及在技术推动下肿瘤学、微生物等领域在研究新的诊断和预后标志物方面取得何种进展时，香港中文大学医学院助理院长、消化疾病研究国家重点实验室主任于君教授表示：“以消化道肿瘤为例，随着肠道微生物与肿瘤相关研究不断深入，基于肠道微生态的策略在肿瘤诊断和治疗中显示出前景。目前，寻找预测性微生物的生物特征并对其进行干预的相关研究已取得一定进展，其间采取了包括人体微生物采样、宏基因组测序和生物信息学分析等方式。”
“十三五”以来，国家中央及地方各级政府持续投入，推动中国队列研究及精准医学发展，包括推动了百万量级的健康人群队列研究以及多项重大疾病专项队列研究。在中国工程院院士、中国医学科学院肿瘤医院林东昕教授看来，中国人群基础健康数据库的建立，对于改善国民健康乃至促进世界范围内人群主要慢病危险因素及全球病因学研究具有重要意义。
访问手机版
微信公众号
公司新闻 