第三节
精准医学面临的问题与对策

遗传有较强的变异性，即使同卵双胞胎，其基因组特点也未必完全一致。在面对基因组发生的变异时，精准医学能否真正做到精准，这就给我们提出了一系列的问题。

一、如何面对生物的复杂性和生态变化的挑战

慢性病的发病取决于遗传因素和外界环境的共同作用，而表观遗传学主要聚焦于遗传因素在外界环境的作用下产生的可遗传的变化。随着我国生态和人们生活方式发生的巨大变化，近三十年来糖尿病、高血压病等慢性病的患病率飙升，肺癌、甲状腺癌等肿瘤也越来越高发，且有年轻化趋势。所以，能否紧跟时代的发展和变化，能否根据人类生存环境与生活方式的变化对治疗策略做出调整，能否运用表观遗传学等先进理念指导治疗手段的革新，是精准医学面临的巨大挑战。

二、基因测序如何解决临床实际问题

基因测序结果和临床表型资料有无生物学对应关系，需要我们深入研究。近年来，临床跨组学（clinical trans-omics）的概念应运而生。临床跨组学研究整合基因组学等分子多组学研究结果，并与临床表型资料进行关联分析，挖掘潜在的疾病特异性生物标志物与药物作用靶点，揭示药物作用的分子机制，将其应用于患者个体化治疗策略的设计、选择及预后的判断。然而，将组学大数据与临床表型资料的进一步整合与关联仍需临床医生与科学家的进一步努力。

三、基因测序结果如何解释与应用

虽然精准医学依托的基因检测技术日益成熟，而我们尚不能完全掌握每个基因的功能、其对疾病或健康的影响，尤其是基因之间、细胞信号通路之间的相互影响和作用。近年来出现了生物信息学（bioinformatics）这一新兴学科，而我国这方面人才短缺，所以基因测序的结果及蛋白组学、转录组学、代谢组学等资料该如何解释、如何应用是我们面临的一大问题。

四、精准医学对医学大数据的要求

医学大数据的五大特征包括volume（巨大容量）、variety（多样性、变异性）、value（低价值密度）、velocity（高增长和高处理速度）和veracity（真实性、正确性）。在数据的结构设计、提取、挖掘和利用上，医学研究数据需要结构化、格式化、定量化，精准医学研究的表型资料数据应精确、真实、可靠，这样才能找到和基因检测结果及其他组学资料之间的相关关系，去发现疾病亚群（组）的规律与特点。

五、如何建立研究队列

目前国家科技重点研发专项已开展精准医学队列研究，包括不同地区、不同人群的健康队列，同时针对重大疾病的专病队列也在开展研究。需要注意的是，这些队列中的疾病资料需要进行分层，数据需要结构化、格式化和定量化，决不能盲目追求所谓的“大数据”。例如：肺癌的研究，如果仅用生物样本进行精准医学基因检测，没有对临床、影像和病理分型、分期等数据资料进行分层，就很难找到疾病发生发展的规律，也难以体现研究结果价值。

基于对以上问题的思考，不难看出，精准医学一定要引入系统生物学以及系统医学的观点和方法。

六、用于精准医学研究的生物样本库

生物样本库的数据采集过程中，临床表型资料至关重要。没有格式化、结构化与定量化的资料将会误导后续研究，很难找到基因测序结果与疾病亚型之间的对应规律。

七、伦理问题

精准医学作为新的医学模式尚存在诸多伦理问题。首先是隐私权，即如何保护个体基因组信息不被泄露和滥用；其次是知情权，即如何使患者理解个体基因差异的临床意义，了解精准医疗的疗效和潜在风险，获得有效的信息并做出理性判断等。这些问题的解决均需要相关技术和制度的完善。 xRPOeJOYpWxuq5894HVTVbxH3vD5CqyQA4JfvENuHTxzvk63wOpzdvvgzDxWPwrx