全世界已經(jīng)測序完成的高等動植物基因組大概有800個，華大貢獻了70%。

主講嘉賓：尹燁

尹燁：華大醫(yī)學執(zhí)行總裁。尹燁，1979年生，籍貫山東煙臺。2002年畢業(yè)于大連理工大學生物工程專業(yè)獲學士學位， 2013年獲華南理工大學生物工程（基因組學）工程碩士學位。2002年加入華大基因，先后從事體外診斷試劑研發(fā)、管理及基因組研究行業(yè)，曾任華大科技總裁，華大集團首席運營官（COO），現(xiàn)任華大醫(yī)學總裁，率領(lǐng)團隊積極推動前沿生物醫(yī)學技術(shù)和基因組學研究成果的臨床應(yīng)用，降低出生缺陷及其他重大疾病對人類健康的危害。

以下為分享實景全文：

各位好，華大基因的尹燁?；蜻@個詞一直是我非常喜歡的詞，也是英文翻譯的最好的詞，gene-基因，基因基因，基本之因。

第一個話題，基因，基因組，大數(shù)據(jù)。對于目前我們已知的生物圈，碳鏈作為基本骨架的生命，我們都是通過DNA來進行遺傳的?；蚩梢院唵蔚睦斫獬梢欢斡幸饬x的DNA序列，而全部的DNA就成為一個物種的基因組。

地球誕生了46億年，最早的細胞化石是30億年，我們從簡單到復雜，從水生到陸生，從低等到高等，從無性到有性，從單細胞到多細胞……

我只能說部分同意進化論，但是關(guān)于生命的起源，的確是一個爭議很大的學科。

但分析現(xiàn)有的物種（包括部分滅絕的），從DNA的角度來看，的確有著極強的進化或演化關(guān)系，我們稱之為同源性。

最簡單的基因組來自于病毒，比如乙型肝炎病毒的DNA總量（基因組大?。┲挥?.2Kb.然后到了細菌，比如大腸桿菌，基因組就有4Mb，而到了酵母，也就是真菌就有了10Mb。他們的基因組不斷的插入外源DNA，越來越大，功能也越來越多。然后高等真菌已經(jīng)有30Mb-80Mb 的基因組了，到了最簡單的植物也只有100Mb左右的基因組，比如擬南芥。再向上，比如梅花200Mb，水稻400Mb，大豆1Gb，兩爬類2Gb，哺乳類3Gb。所以人類的基因組也就是3Gb，即30億個堿基。

然而還有更大的，比如辣椒在3G以上，而大麥要5G－6G，大蒜10G，小麥16G，銀杏20G……肺魚50G－100G。

基因組的大小與物種進化高低并無一致性，我們稱為C值悖論，或者說很多物種仍然是處于進化狀態(tài)的。全世界（范圍內(nèi)），我們基本的預估，所有生命信息只測一次的數(shù)據(jù)量是 10的60次方，然而現(xiàn)在只有10的21次方－22次方左右。以人類舉例，這個群體有70億數(shù)量，如果每人都測一次，則測序的數(shù)據(jù)量至少就是3Gb*70億這么大。且受到技術(shù)和方法學限制，目前每一個人至少要測100G（大約是基因組的30倍），才能得到相對準確的全基因組信息，所以剛才的數(shù)量就達到了100G＊70億人次這么大。

水稻，玉米，小麥……這些都要育種，每一個也都需要按照這樣的方式來做，所以這個數(shù)據(jù)量就變得無可估量了?，F(xiàn)在是從每個物種只測一次的角度來講，而對于活著的生命體，還需要測很多次，比如每個人睡覺、吃飯、思考、生病的基因表達都不一樣，這個數(shù)據(jù)量還會有數(shù)量級的增加。

存活不到“一秒”的人類個體有多大數(shù)據(jù)？這里說的一秒是指把生命出現(xiàn)到現(xiàn)在當作一年時間來看。

所以你會發(fā)現(xiàn)，原來我們還有基因組萬倍的細胞，還有十萬倍的菌群。這些如果都測出來，那是不得了的數(shù)據(jù)量。

我們計算過，一個人如果從出生下來就開始取樣，生化、免疫、影像、基因，表型數(shù)據(jù)，如果都開始積累，那么一起步就是665個G，一輩子差不多就到了1個P。如果一個人1P，1000人就是1E，1M（Million）人就是1Y，1B（Billion）人就是1個Z，這就是10的24次方。這個數(shù)據(jù)還只是人類，如果把上千萬個物種，都這樣來一下，那么可能就達到了N或者D的級別。

大家看這個，如果說20世紀是物理學世紀的話，那么21世紀毫無疑問的就是生命的世紀。物理在有了熱力學三大定律特別是熵的概念提出后，開始進入快速發(fā)展階段。生命科學至今還沒有一個可以用數(shù)學語言可以闡述的定律。

看下這張，生命科學從1859年物種起源來看，不過就是150年的時間?；蛞彩?911年才出現(xiàn)的提法。迄今為止，全世界已經(jīng)測序完成的高等動植物基因組大概有800個，華大貢獻了70%。

基因數(shù)據(jù)這對于這個行業(yè)來講就是巨大的油田。

一個行業(yè)如果要興起，需要經(jīng)過科學發(fā)現(xiàn)，技術(shù)發(fā)明，再到產(chǎn)業(yè)發(fā)展。比如富蘭克林發(fā)現(xiàn)了電，愛迪生發(fā)明了電燈，而GE把照明做到了全世界。制造業(yè)包括IT，一般可以直接從發(fā)明到發(fā)展，所有學科里面唯獨生命不行。這是因為，生命科學直接作用于人體，即使你知道了青蒿素可以治療瘧疾，但一定要從機理上證明，即回歸發(fā)現(xiàn)，才可以允許你做產(chǎn)業(yè)發(fā)展。而生命的科學發(fā)現(xiàn)，必須依賴于大數(shù)據(jù)，重視相關(guān)關(guān)系，而不是因果關(guān)系。

美國在1980年啟動了腫瘤大戰(zhàn)，希望通過蛋白等片段的信息來搞清楚腫瘤，十年后發(fā)現(xiàn)失敗。所以在1990年正式啟動了人類基因組，不去搞明白為什么，而是先把whole picture搞定，即解決是什么的問題。

這就是基因組的起源和生命科學的大發(fā)展。一次核磁從幾十個G到幾百個G都有，看分辨率。

下面進入今天最后一個問題，生物大數(shù)據(jù)到底能做什么。先說育種。相當程度上，我們現(xiàn)在可以不通過種地，而直接通過運算的方式來進行虛擬育種。

大家可以對比一下。

按目前的算法推測，如果做到相關(guān)性90%，對于玉米（基因組大小是2.5Gb），10000株玉米就可能讓天河一號全年計算能力飽和。目前最快的測序儀，每一秒的數(shù)據(jù)產(chǎn)出會達到幾十個G，除了用裸光纖，根本沒法解決傳輸問題。如果個人基因組得到普及，以100萬人的數(shù)據(jù)庫如果要進行兩兩比較，那么天河二號也遠遠不夠。這就是生命大數(shù)據(jù)帶來的計算，存儲，傳輸?shù)奶魬?zhàn)，瓶頸在IT。再來講生命科學的應(yīng)用，比如腫瘤，大家應(yīng)該知道，腫瘤本身不是均質(zhì)的，即不是簡單的區(qū)分為癌癥組織和癌旁組織，腫瘤的生長過程本身就是一個動態(tài)的進化過程，說的通俗點，最早的腫瘤細胞逃脫了細胞周期，戰(zhàn)勝了普通細胞，然后搶到了離血管近的位置，開始快速繁殖，逐漸地，遠離血管的就打不過離血管近的了，所以要進一步進化成更“厲害”的癌細胞。所以，所以腫瘤靶向藥物，如果是直接針對的勻漿狀態(tài)的，那很可能是無效的。我們發(fā)過幾篇高水平文章都是關(guān)于單細胞測序的－－即我們挑選腫瘤組織中的上百個細胞，一個一個測基因組，然后看他們基因組的進化關(guān)系，從而正確判斷出這些癌細胞的出場順序，知道了正在起作用的基因。這個時候的有的放矢就變得很重要了。

在生命科學里，很多是數(shù)十個甚至數(shù)千個客觀規(guī)律在同時作用，所以因果關(guān)系本身說不清。

比如血糖和糖尿病真的有必然關(guān)系么？在科學上，我們這個領(lǐng)域用相關(guān)關(guān)系的很多，比如GWAS，全基因組關(guān)聯(lián)分析就是最典型的例子。但是只看靜態(tài)是不對的。正如看見影片中一個人手里拿著刀，是無法判斷他是否殺人的。

我們不能憑借image來說事，而要靠video.所以未來的健康領(lǐng)域，一定是綜合了基因，環(huán)境，運動，營養(yǎng)，菌群，睡眠，心理共同作用的結(jié)果。在這個基礎(chǔ)上，會產(chǎn)生全新的行業(yè)，即所謂的真正意義上的健康咨詢師，目前的遺傳咨詢也只能解決20%或者更少的問題。比如精子，每次射精有50億個左右，但任意兩個精子的DNA都不一樣，這就是進化或演化的根本。

最后一個例子說說菌群，每一個人100斤的人有4斤的細菌。

通常認為的菌群是我截圖這張，但實際上腫瘤有上千種，但豐度譜是不同的，所以依次可以區(qū)分腸道菌群分型，我們稱之為“腸型”。這些菌很大程度上決定了你的吸收，可以簡單的理解為，它們的次生代謝產(chǎn)物才是我們吸收的營養(yǎng)。我們曾經(jīng)測過歐洲亞洲不同食譜的人群菌群，在健康的時候是不一致的，但比如罹患了大腸癌，則菌群的多樣性下降，到晚期趨同性更有一致的趨勢。所以現(xiàn)在通過測糞便就可以分別相當多的疾病狀態(tài)，包括大腸癌，包括糖尿病，甚至抑郁和很多精神性疾病，都和菌群釋放的內(nèi)毒素有關(guān)。

這是華大CEO王俊提出的第一定律。表型組和基因組通過某種環(huán)境條件起作用。我們希望能夠發(fā)現(xiàn)部分數(shù)學定律來闡述。

最后一張片子，生命周期表，里面給出了從174噬菌體開始發(fā)表的所有頂尖的物種文章。我們希望能夠找到生命周期表。

以此結(jié)束 A citation from,“Genetics and the Origin of Species” （1973） T. Dobzhansky （1900-1975） “Nothingin biology makes sense, except in the light of evolution. Without that light itbecomes a pile of sundry facts - some of them interesting or curious but makingno meaningful picture as a whole”。

互動內(nèi)容：

施建旭：這么多計算資源和數(shù)據(jù)都找不出規(guī)律，還說瓶頸在

尹燁：@施建旭 我們已經(jīng)發(fā)現(xiàn)了很多規(guī)律，但是更多的規(guī)律不是今天的計算資源能夠滿足的。另外說一句，我們是民企，所有資源都是我們自己的產(chǎn)業(yè)利潤納稅后支撐的。

花甲青年：@尹燁 新的品種可以計算出來，而并非經(jīng)過年復一年的種植培育出來？有關(guān)系嗎？

尹燁：@花甲青年 虛擬育種的概念 是和蓋茨基金會合作中一起討論出來的方向。現(xiàn)在通過對大量物種的重測序，我們可以瞬間知道很多基因的功能，然后利用矢量計算的算法可以對每一個基因每一個堿基加權(quán)，來預測后代可能的狀態(tài)。當然，這里面有一些限制，比如環(huán)境要控制的相對穩(wěn)定。

尹燁：所以 現(xiàn)在通過測糞便就可以分別相當多的疾病狀態(tài)，包括大腸癌，包括糖尿病，甚至抑郁和很多精神性疾病，都和菌群釋放的內(nèi)毒素有關(guān)。

濬：@尹燁 細菌平衡才是王道，多樣性才是穩(wěn)定性基礎(chǔ)。

尹燁：@harry 濬 肝癌、大腸癌有關(guān)系，認可，或者說，現(xiàn)在以器官來命名癌癥out了，EGFR癌，RAS癌……@張涵誠 @harry 濬 對于生態(tài)系統(tǒng)，多樣性是穩(wěn)定的基礎(chǔ)；對于內(nèi)環(huán)境，要看怎么理解。比如血液，只有紅細胞、白細胞、血小板，不能太多樣，不然就毒血或者膿血或者菌血了。但是換一個角度，如果血液中只有紅細胞、白細胞、血小板的情況下，那么他們的免疫細胞是兵強馬壯的，這也可以理解為穩(wěn)定。

楊力偉：@尹燁 多樣性是穩(wěn)定性的基礎(chǔ)，在生物中適用，在社會中也適用。

尹燁：@楊力偉， 修行、冥想、打坐、樂觀積極的心理狀態(tài)能夠影響生理指標，這些心理狀態(tài)都會直接影響基因表達，有物質(zhì)基礎(chǔ)。

：請問：進化論在多大程度上是正確的？

尹燁：@Bright Star 我部分認可進化論，包括拉馬克的用盡廢退在特定條件下也是有道理的，但對于目前的生命起源學說比較不認可。

郝鵬洲：@尹燁尹總有幾個問題，1.去年11月我去過美國國立研究院，專門做大數(shù)據(jù)關(guān)于基因的話題，目前國際千人基因計劃進展如何。2.拜訪了幾位專家，未來人類基因測序?qū)⒑统檠粯?，目前成本是否仍然很高?/p>

尹燁：@郝鵬洲 前幾期基本做完了，結(jié)果符合預期，現(xiàn)在各個國家都在爭做1M基因組。測序會便宜到和高端體檢差不多，但是解讀很難。

張涵誠：是否只有上帝掌握大數(shù)據(jù)，我們?nèi)祟惪梢哉J識自己嗎？

尹燁：已知圈子越大，未知圈子更大，人類不可能徹底研究明白人類或者任何物種。

張涵誠：是否基因這個提法本身就有問題？或者有其他的表達我們身體的方式？

尹燁：基因只是其中的一個最有代表性的指標，包括蛋白，小分子，細胞、組織，系統(tǒng)都是生命的“通貨”；

張涵誠：物種對于環(huán)境的的改變是不是微不足道？

尹燁：實際上是非常大，特別是人本主義的破壞。

張涵誠：生命的描述維度有多少？目前華大有什么新的思路？

尹燁：至少有長，寬，高，數(shù)量，時間、溫度、速度，我們在努力的方向是全時全景的生命全信息；

張涵誠：華大提供什么普惠的項目？

尹燁：宮頸癌篩查，耳聾基因篩查，地中海貧血檢測等都是我們現(xiàn)在做的公共衛(wèi)生項目。

花甲青年：@尹燁 有了育種大數(shù)據(jù)和超級計算，以后人類吃飯不用愁了，這是大數(shù)據(jù)的人類的第一大貢獻！謝謝你的報告！

尹燁：@花甲青年 謝謝鼓勵，我們叫做基因組指導下的定向聚合育種，我們做的雜交谷子去年最高的試驗田畝產(chǎn)達到了950 kg。

金耀星：請問：人一生的記憶，大約是多大數(shù)據(jù)量，可以測嗎？

尹燁：這個很難講，如果神經(jīng)元的結(jié)合方式我們能解決的話，我相信會有很大的突破?，F(xiàn)在來看差不多就是G級別的。

曾經(jīng)的小盧：@尹燁 剛才你說的計算能力不是問題，存儲是更大挑戰(zhàn)，請問如何用DNA做如此大量數(shù)據(jù)的存儲呢？

尹燁：@曾經(jīng)的小盧 合成生物學，用0101的底層編碼引導合成。只要你0101能存，我ATCG就能存。舉一個最簡單的例子，大腸桿菌，4M的基因組，可能在十幾分鐘就合成完畢了。如果我可以用1P的大腸桿菌定向做存儲，不就很快解決了一個Y的存儲了么？A——腺嘌呤 T——胸腺嘧啶 C——胞嘧啶G——鳥嘌呤，堿基，就是化學物質(zhì)。比如A，就是HCN 氰化氫的五聚體，也是所謂的海洋起源的重要標志之一。

楊力偉：基因的因果關(guān)系你怎么判定呢？

尹燁：@楊力偉 現(xiàn)在的通用做法就是轉(zhuǎn)基因?qū)嶒?，比如敲除這個基因，看功能變化。

曾經(jīng)的小盧：可以認為這是一種4進制計算嗎？

尹燁：@曾經(jīng)的小盧 它不存在“進”的概念，還有先后順序，還有更多的奇怪規(guī)矩，比如AAAA這樣不能連續(xù)太多次。

曾經(jīng)的小盧：這還是四進制了啊，你的計算單元已經(jīng)是4種了啊

尹燁：本質(zhì)上還是二進制，00，01，10，11。