贵州华大生命大数据研究院执行院长金鑫：基因大数据价值与未来

7月29日，以“赋能实体经济，推动产业创新——大数据与实体经济融合发展”为主题的2020“数博对话”活动成功举办。贵州华大生命大数据研究院执行院长金鑫在本期对话活动中以《基因大数据价值与未来》为主题进行了分享。

　　 基因信息与生老病死密切相关

金鑫认为，一方面，人是数据的生产者，生活中不管是打车、买东西，还是其他活动，无时无刻都在产生数据。另一方面，每个人也是信息的载体，这个信息就是构成生命最基本的基因。基因存在于每个细胞里，这是跟每个人都密切相关的东西，但在过去很多年里，它是数字化程度比较低的一种数据类型。

我们每个人都是基因信息的载体，这个载体是承载在细胞里。金鑫介绍：“我们身体里会有多少细胞？有人做过测算，细胞的数量在50万亿个，如果把我们身体里的细胞平铺的话，它可以覆盖1600米的沙滩。每个细胞里有多少DNA？人的基因组序列的长度大约是30亿个碱基。地球到太阳之间的距离是一个天文单位，如果把人体里所有细胞的基因序列连起来的话，它的长度通过计算大约是300多个这样的单位，远远超过了目前的旅行者1号（1977年发出的飞行器，到现在也没飞到），这里面的信息量可想而知。”

更多的数据带来更多的发现。金鑫进一步谈到，每个人都有重大的信息量，这些信息跟我们的生老病死是密切相关的，尤其是跟我们密切相关的健康疾病因素，有遗传的基础、健康的基础等。如果我们知道了未来多长时间内有多大的概率会得某种病，那就可以治疗或者是防控，或者在早期能发现它也可以进行合理干预，比如“三高”的控制等。同时，在这个过程中，需要大数据去回答问题和消除不确定性，因为如果只研究一个人的信息量，这是不匹配的，如果把他的原始数据估出来，一个人的数据在今天至少要达到100G，这个人已经被确诊为糖尿病或者没有，这是在海量数据中海底捞针。但如果有很多人的数据，百万量级的层级里面就能建立联系。

上图是人类将近20年以来所发现的跟各种各样人类疾病有关系的基因位置和区域。金鑫介绍，这张图上，人类1号染色体一直到22号，还有性染色体，图上每一个圆圈就代表了一种疾病或者我们所关心的人体的表型。正因为基因跟几乎任何的疾病都有关系，所以非常希望能更进一步地了解它们深入的联系。

　　 基因大数据时代来临

金鑫表示，基因组是非常庞大的序列组合，有时候会发生更复杂的变化，比如有一段少了，有一段增加了，有一段换了位置，有一段贴到了别的地方......这就使现在的技术逐步地去研究它跟疾病之间的关系。在这个背景下，各个国家都发现了这中间蕴含的巨大的价值和可能性，如果我们把生命本身解码，把它跟更多的数据连接起来，更多的价值就能连接起来。这个过程中，希望能够通过大量的数字化，生命的大数据就能产生，去解决怎样拓宽信息和数据来源的问题。

在过去这些年，每一个人的数据是单独来看，它的价值是没有得到释放的，所以在这中间有很多关于科学伦理的讨论，但现在这个价值正在逐步得到显现。

责任编辑：姚治