精准医学基础研究

制图：蔡华伟若论近30年人类生物医学基础研究，遗传密码的测量必定是最耀眼的成果之一。人类代代繁衍，靠什么实现遗传？遗传信息储存在哪里？它们是什么样子？我们知道，遗传信息储存在DNA(脱氧核糖核酸)里，长长的DNA序列由四种碱基A、G、C、T排列组成，不同的序列段记载不同的信息。有些段落含有制造蛋白质的信息，这些段落就是我们常说的基因。一整套人类DNA序列被称作“人类基因组”，它不仅包含所有人类基因，还包含大量不用来编码蛋白质的其他有用信息。DNA在每个细胞的细胞核里组成染色体，DNA要释放的信息先转录产生mRNA(信使核糖核酸)，mRNA再翻译制造蛋白质进而完成各种生物学功能，这就是著名的“中心法则”。一个人的遗传密码到底有多长？约30亿个字符。如果一页打上3000个遗传密码，用A4纸打印出来装订成书，厚度能达到约100米，有30多层楼那么高。20世纪90年代初，“人类基因组计划”正式启动，开启人类在分子水平上认识自身遗传密码的新航程。2001年，人类基因组精细图谱及其初步分析结果发布，使我们看到由四种符号组成的一维人类遗传密码的真实面貌。人类基因组研究促成基因检测等一系列新技术出现，还带来基因诊断、基因治疗、靶向药物等医学新手段，生物医学进入建立在基因组大数据基础上的精准医学时代。在分子水平上认识人类生命活动“人类基因组计划”不仅找到了各种人类基因，积累了大量基因组数据，还积累了由基因组转录出来的各种RNA(核糖核酸)数据，以及由mRNA翻译产生的各种蛋白质数据。RNA的集合称为转录组，蛋白质的集合称为蛋白质组，机体所有代谢产物组成代谢组，此外还有表观遗传组等。通过大数据研究这些“组”及其相互关系的工作即称“组学大数据”研究，组学大数据的介入成为当代生物医学发展的典型特征。有了这些大数据，就能够从分子水平上了解人体生长、发育、正常生理活动的本质和基础，还能够通过对健康人和病人组学大数据的比较找到各种疾病在分子水平的病因。我们已经知道，约有6000种以上的人类疾患是由各种基因突变引起的，比如有人估计与癌症相关的原癌基因约有上千个。大数据的分析还带来很多与疾病相关的新发现，比如发现人类基因组中不编码蛋白质的序列(非编码序列)的突变也可能导致疾病。更多的疾病是环境(包括致病微生物)与人类基因及其产物相互作用的结果。在医学领域，由于组学大数据的应用，人们也开始关心其他相关数据的搜集、整理，共同形成医学领域的大数据。比如，记载病人基本情况的电子病历，可穿戴设备测量的生理指标，超声、核磁、CT等影像数据以及各种环境大数据等。当今人类面临的人口、健康、食物、环境、资源等重大问题都同生物医学大数据密切相关，研究生物医学大数据对人类健康与可持续发展具有重要意义。为诊断治疗带来新技术新方法当我们知道了人类全部基因在染色体上的位置、它们的序列特征及其表达规律和产物特征，就可以有效判定各种疾患的分子机制，进而发展合适的诊断和治疗手段。生物医学大数据研究为生物医学发展提供前所未有的机遇，为疾病诊断与治疗带来许多新技术、新方法，如基因诊断、基因治疗、靶向药物等。基因诊断。伴随基因组大数据的收集、分析，人们发现很多疾病包括肿瘤是基因突变造成的，研究人员把遗传密码的变化记录下来并保存到数据库中，然后通过测序或基因芯片检查病人基因是否发生了这种变化，以帮助疾病确诊，这就是基因诊断。不同人得了同一种疾病，基因检测可能会发现他们基因突变的位点完全不同，因此对同种药物的反应也不同，必须因人而异地制定医疗方案，这种个性化治疗更加精准。基因治疗。即将正常外源基因通过基因转移技术插入病人的适当受体细胞中，使外源基因制造的产物得以纠正或补偿因基因变异或基因表达异常引起的疾病。目前，基因治疗的对象已经由单基因遗传病逐步拓展到恶性肿瘤、感染性疾病、心血管疾病、自身免疫性疾病、代谢性疾病等重大疾病。靶向药物。当我们知道哪些基因序列变化会导致疾病，就可以通过测量局部基因序列来鉴定导致疾病的基因。比如，特定基因的突变可引起癌症，这些突变了的基因就是肿瘤治疗的目标，也就是“靶向”，针对这些靶向设计的药物就是靶向药物，靶向药物的治疗目标是具体的、精确的。比如，赫赛汀就是以特定基因为靶向设计的乳腺癌治疗药物。人类有望进入精准医学时代基因组研究不断深入和基于大数据的新方法、新技术投入应用，将使医疗更加精准有效，人类有望进入精准医学时代。精准医学是组学大数据与医学的结合。精准医学在使疾病诊断更加准确、治疗更加有效的同时，还能为医疗体系带来更加重要、更为本质的变化。尤其是，帮助人们在没有发病的情况下根据基因组序列的变化预测疾病发生的潜在风险，从而能对任何个人在其成长任何时期进行健康评估、预测，并制定相应干预方案，进而做到健康保障。所以，精准医学的长远意义是使医疗关口前移：从诊断治疗到健康保障。当前的医疗体系以病人为主体，以疾病诊断治疗为目的。将来的医疗体系则是面对所有社会成员，对社会成员整个生命周期进行监测，从而实现以健康评估、健康预测和健康干预为目标的健康保障。实现精准是目标，我们现在离这一目标还有很大距离，存在多方面巨大挑战。比如人类基因组解译的挑战。人类基因组上编码蛋白质的区域，也就是基因，只占一小部分，不超过整个基因组的3%，其余97%左右的DNA序列统称为非编码DNA。近年来大量研究表明，占人类基因组97%的非编码序列具有重要的生物学功能，且与人类疾病直接相关。迄今为止，我们对这些非编码序列以及相关的非编码基因和非编码RNA的功能只有很少了解。在这种情况下，实现精准是困难的。再比如大数据挖掘的挑战。生物医学相关的大数据不仅数量大，而且是多尺度、异质化、高度复杂的。这些数据小到分子、细胞，大到器官、整体，尺度相差甚远；这些数据有的是数字、符号，如基因组数据；有的是波形，如心电、脑电；有的是图像，如超声、核磁、CT。同时，生命活动和疾病发生是动态的，往往不是由一个基因决定，可能有多个基因参与。因此，大数据解析还必然涉及复杂网络。面对如此复杂的数据挖掘，人工智能技术将成为从海量、复杂的生物医学大数据中获取生命活动知识的有效工具。基因组大数据发展路上的各种挑战，其实也为科学技术原始创新提供巨大机遇。现在作为临床分子标记的只是占人类基因组约3%的编码序列，如果把97%的非编码序列中与疾病相关的分子标记都挖掘出来，将会增加无数新的分子标记和药物设计的靶标。精准医学是我们向往的目标，实现它还有很长的路要走。人类通过不断努力，遗传密码逐步破译，人类医学必将更加精准。期待这一天早日到来。(作者为中国科学院生物物理所研究员、中国科学院院士)推荐读物：1.《生命是什么》：埃尔温·薛定谔著，罗来欧、罗辽复译；湖南科学技术出版社出版。2.《基因的故事——解读生命的密码》：陈润生、刘夙著；北京理工大学出版社出版。3.《基因的分子生物学》：沃森等著，杨焕明译；科学出版社出版。《 人民日报 》( 2020年07月21日 20 版)

京津冀三地继续实施基础研究合作专项今年资助“精准医学研究”专项项目20项左右从省科技厅获悉，近日，我省印发关于组织申报京津冀基础研究合作专项项目的通知。为贯彻落实《京津冀协同发展规划纲要》，按照《关于共同推进京津冀基础研究的合作协议（2018-2020年）》要求，京津冀三地继续实施基础研究合作专项，2020年度将围绕“精准医学研究”受理专项项目，资助数量20项左右，单项支持力度60万元，由三地分别拨付，项目执行期3年。项目研究内容聚焦在京津冀高发、危害重大并具有研究优势和特色的疾病领域，鼓励有研究基础的团队开展疾病发生、发展的分子机制研究，发现早期筛查、诊断相关的生物标志物、易感基因以及新药干预靶点，并组织开展临床验证，为提高疾病的早期诊断，治疗方法创新和发展新型药物提供研究基础，在此基础上逐渐优化形成一批在重大疾病前沿领域稳定合作的京津冀三地研究团队，及可共享的生物样本库及数据库。优先资助的领域包括重大心血管疾病、神经系统和认知疾病、恶性肿瘤和难治性血液、糖尿病等代谢性疾病。据介绍，申报条件要求项目申请人及三地依托单位项目负责人应当具有承担基础研究、应用基础研究课题或者具有从事基础研究、应用基础研究的经历。同时在本专项研究领域具有较好的前期研究基础，具有高级专业技术职称。鼓励中青年科学家申报项目，同等条件下优先资助。本专项仅受理由京津冀三方合作申请的项目，本次项目申报期截至5月28日。（记者王璐丹）

本文转自【人民日报】；若论近30年人类生物医学基础研究，遗传密码的测量必定是最耀眼的成果之一。人类代代繁衍，靠什么实现遗传？遗传信息储存在哪里？它们是什么样子？ 我们知道，遗传信息储存在DNA（脱氧核糖核酸）里，长长的DNA序列由四种碱基A、G、C、T排列组成，不同的序列段记载不同的信息。有些段落含有制造蛋白质的信息，这些段落就是我们常说的基因。一整套人类DNA序列被称作“人类基因组”，它不仅包含所有人类基因，还包含大量不用来编码蛋白质的其他有用信息。DNA在每个细胞的细胞核里组成染色体，DNA要释放的信息先转录产生mRNA（信使核糖核酸），mRNA再翻译制造蛋白质进而完成各种生物学功能，这就是著名的“中心法则”。 一个人的遗传密码到底有多长？约30亿个字符。如果一页打上3000个遗传密码，用A4纸打印出来装订成书，厚度能达到约100米，有30多层楼那么高。20世纪90年代初，“人类基因组计划”正式启动，开启人类在分子水平上认识自身遗传密码的新航程。2001年，人类基因组精细图谱及其初步分析结果发布，使我们看到由四种符号组成的一维人类遗传密码的真实面貌。人类基因组研究促成基因检测等一系列新技术出现，还带来基因诊断、基因治疗、靶向药物等医学新手段，生物医学进入建立在基因组大数据基础上的精准医学时代。 在分子水平上认识人类生命活动 “人类基因组计划”不仅找到了各种人类基因，积累了大量基因组数据，还积累了由基因组转录出来的各种RNA（核糖核酸）数据，以及由mRNA翻译产生的各种蛋白质数据。RNA的集合称为转录组，蛋白质的集合称为蛋白质组，机体所有代谢产物组成代谢组，此外还有表观遗传组等。通过大数据研究这些“组”及其相互关系的工作即称“组学大数据”研究，组学大数据的介入成为当代生物医学发展的典型特征。 有了这些大数据，就能够从分子水平上了解人体生长、发育、正常生理活动的本质和基础，还能够通过对健康人和病人组学大数据的比较找到各种疾病在分子水平的病因。我们已经知道，约有6000种以上的人类疾患是由各种基因突变引起的，比如有人估计与癌症相关的原癌基因约有上千个。大数据的分析还带来很多与疾病相关的新发现，比如发现人类基因组中不编码蛋白质的序列（非编码序列）的突变也可能导致疾病。 更多的疾病是环境（包括致病微生物）与人类基因及其产物相互作用的结果。在医学领域，由于组学大数据的应用，人们也开始关心其他相关数据的搜集、整理，共同形成医学领域的大数据。比如，记载病人基本情况的电子病历，可穿戴设备测量的生理指标，超声、核磁、CT等影像数据以及各种环境大数据等。当今人类面临的人口、健康、食物、环境、资源等重大问题都同生物医学大数据密切相关，研究生物医学大数据对人类健康与可持续发展具有重要意义。 为诊断治疗带来新技术新方法 当我们知道了人类全部基因在染色体上的位置、它们的序列特征及其表达规律和产物特征，就可以有效判定各种疾患的分子机制，进而发展合适的诊断和治疗手段。生物医学大数据研究为生物医学发展提供前所未有的机遇，为疾病诊断与治疗带来许多新技术、新方法，如基因诊断、基因治疗、靶向药物等。 基因诊断。伴随基因组大数据的收集、分析，人们发现很多疾病包括肿瘤是基因突变造成的，研究人员把遗传密码的变化记录下来并保存到数据库中，然后通过测序或基因芯片检查病人基因是否发生了这种变化，以帮助疾病确诊，这就是基因诊断。不同人得了同一种疾病，基因检测可能会发现他们基因突变的位点完全不同，因此对同种药物的反应也不同，必须因人而异地制定医疗方案，这种个性化治疗更加精准。 基因治疗。即将正常外源基因通过基因转移技术插入病人的适当受体细胞中，使外源基因制造的产物得以纠正或补偿因基因变异或基因表达异常引起的疾病。目前，基因治疗的对象已经由单基因遗传病逐步拓展到恶性肿瘤、感染性疾病、心血管疾病、自身免疫性疾病、代谢性疾病等重大疾病。 靶向药物。当我们知道哪些基因序列变化会导致疾病，就可以通过测量局部基因序列来鉴定导致疾病的基因。比如，特定基因的突变可引起癌症，这些突变了的基因就是肿瘤治疗的目标，也就是“靶向”，针对这些靶向设计的药物就是靶向药物，靶向药物的治疗目标是具体的、精确的。比如，赫赛汀就是以特定基因为靶向设计的乳腺癌治疗药物。 人类有望进入精准医学时代 基因组研究不断深入和基于大数据的新方法、新技术投入应用，将使医疗更加精准有效，人类有望进入精准医学时代。 精准医学是组学大数据与医学的结合。精准医学在使疾病诊断更加准确、治疗更加有效的同时，还能为医疗体系带来更加重要、更为本质的变化。尤其是，帮助人们在没有发病的情况下根据基因组序列的变化预测疾病发生的潜在风险，从而能对任何个人在其成长任何时期进行健康评估、预测，并制定相应干预方案，进而做到健康保障。所以，精准医学的长远意义是使医疗关口前移：从诊断治疗到健康保障。当前的医疗体系以病人为主体，以疾病诊断治疗为目的。将来的医疗体系则是面对所有社会成员，对社会成员整个生命周期进行监测，从而实现以健康评估、健康预测和健康干预为目标的健康保障。 实现精准是目标，我们现在离这一目标还有很大距离，存在多方面巨大挑战。比如人类基因组解译的挑战。人类基因组上编码蛋白质的区域，也就是基因，只占一小部分，不超过整个基因组的3%，其余97%左右的DNA序列统称为非编码DNA。近年来大量研究表明，占人类基因组97%的非编码序列具有重要的生物学功能，且与人类疾病直接相关。迄今为止，我们对这些非编码序列以及相关的非编码基因和非编码RNA的功能只有很少了解。在这种情况下，实现精准是困难的。 再比如大数据挖掘的挑战。生物医学相关的大数据不仅数量大，而且是多尺度、异质化、高度复杂的。这些数据小到分子、细胞，大到器官、整体，尺度相差甚远；这些数据有的是数字、符号，如基因组数据；有的是波形，如心电、脑电；有的是图像，如超声、核磁、CT。同时，生命活动和疾病发生是动态的，往往不是由一个基因决定，可能有多个基因参与。因此，大数据解析还必然涉及复杂网络。面对如此复杂的数据挖掘，人工智能技术将成为从海量、复杂的生物医学大数据中获取生命活动知识的有效工具。 基因组大数据发展路上的各种挑战，其实也为科学技术原始创新提供巨大机遇。现在作为临床分子标记的只是占人类基因组约3%的编码序列，如果把97%的非编码序列中与疾病相关的分子标记都挖掘出来，将会增加无数新的分子标记和药物设计的靶标。 精准医学是我们向往的目标，实现它还有很长的路要走。人类通过不断努力，遗传密码逐步破译，人类医学必将更加精准。期待这一天早日到来。 （作者为中国科学院生物物理所研究员、中国科学院院士）

如果把对癌症的治疗看作一座冰山，那么现有的手术、化疗、放疗等治疗方法，针对的不过只是冰山一角。至今，人们并不清楚冰山到底是如何形成的。也就是说，肿瘤的遗传、免疫以及内分泌变化引起的改变等，医学上的认识依旧远远不足。世界卫生组织最新公布的全球癌症大数据显示，2018年全球新增的癌症患者达1810万人，因癌症死亡的人数约960万人。我国新发病例数380.4万例，占据全球癌症新发病人数的20%以上。研究者不得不与肿瘤争分夺秒地赛跑，运用凝聚最新人类智慧的新技术与肿瘤开战。日前，第三届肿瘤转化医学国际学术大会在天津召开。来自中国、美国、德国、韩国、日本、荷兰等国家的800余名肿瘤领域专家学者齐聚一堂，围绕目前国内外转化医学研究成果、肿瘤的基础与临床、人工智能在肿瘤研究领域的应用、肿瘤免疫治疗、生物大数据时代的肿瘤精准治疗等最前沿的研究，共同探讨癌症防治的最新方案。天津市肿瘤医院院长王平谈到，目前我国肿瘤治疗已经逐渐步入精准医学时代，诊疗技术取得了长足的进步，基础医学研究也得到了重要的发展，但在将研究成果转化为临床应用方面仍有不足，因此从治疗的效果上看，与国际先进水平还存在一定的差距。转化医学已经成为近10年来医学领域的重点研究方向，其目的是打破基础研究和临床诊疗、技术创新、药物研发之间的屏障，缩短理论实验到临床指导的过程，使患者能够尽早享受到最新的科研成果，最终真正实现精准医疗。大数据中心加速科研成果用于临床当今的肿瘤诊疗已经进入个性化定制的精准医学时代，可以依据个体基因组学特征、环境和生活习惯进行干预和治疗。而实现肿瘤精准医疗，必须依靠海量的肿瘤临床数据平台。我国是人口大国，也是肿瘤高发国家，癌症患病人数约占全球的1/5。2016年，天津市肿瘤医院率先建立全国首个“肿瘤精准医学大数据中心”，搭建覆盖我国常见恶性肿瘤的临床及组学大数据平台，建立临床大数据与生物样本数据的整合和共享机制，为肿瘤精准医学的发展提供有力的资源与技术支撑。天津市肿瘤医院副院长陈可欣教授介绍，中心有一个高质量肿瘤生物样本库，覆盖20种常见恶性肿瘤、累计收集组织样本超过5.5万例、血液标本超过8万例。基于这个样本库，打破过去医学影像、检验诊断、治疗方案等信息独立存储、难以共享的“孤岛”现象，将病历信息根据时间轴进行全盘汇总整合，建立了符合国际标准、汇集220万例患者数据的临床医学数据中心。初步完成500余例肺癌、肾癌、肝癌病例的组织标本的全外显子组测序，通过进行已知癌症相关基因靶点的测序筛查，促进精准医学研究成果转化到临床，提高个体化治疗水平。已完成首批试点项目的两万余例病例随访，将来可通过回顾性生存分析，为肿瘤治疗和用药模型的构建提供相应依据。今后，该中心还将继续为新的肿瘤分类、诊断和预后标准提供讨论方向，为肿瘤的早期筛查、诊断和药物研发提供科学依据，为优秀科研成果持续产出和临床个体化治疗策略改进构建信息平台。并经过3年～5年时间，从医院平台向全国大数据中心发展，汇集全国各地联盟医院，最终建立包含生物样本库、组学数据、临床数据、随访数据、知识库、文献库在内的“肿瘤精准医疗科研网络”，形成国际一流的精准医学研究平台和保障体系，尽早将基础研究转化为临床应用，为我国制定肿瘤精准医疗的临床标准和应用指南提供依据。不同区域人群肿瘤危险因素有显著差异由于肿瘤的早期症状并不明显，多数患者就诊时已经处于晚期，错失治疗的最佳时机。在精准医学时代，与肿瘤作战更讲究“关口前移”，肿瘤筛查则是助力肿瘤早期预警的有效途径。陈可欣介绍，以国内最常见的肺癌为例，如果早期发现并接受规范化治疗，患者的5年生存率可达到90%以上。但临床上约有70%的患者发现时就已经是中晚期，错过了手术治疗的最佳时机。统计显示，15年前到天津市肿瘤医院诊治的肺癌患者中，有一半以上发现时已是中晚期，失去了手术治疗的最佳时机，5年生存率不足20%。随着筛查工作的开展和人们防癌意识的提高，早期肺癌的发现率有了较大提升，如今医院接诊的患者中，近60%是肺癌早期患者。女性高发的乳腺癌，经规范化诊治的早期患者，5年生存率可达95%，II期患者也能达到70%以上。早在上个世纪60年代，欧美发达国家就已对乳腺癌开展大规模钼靶筛查。亚洲地区乳腺癌防治工作起步较晚，目前仍处于探索阶段，尚缺乏面向大众的乳腺癌筛查保障机制。再加上中国是人口大国，医疗资源分布尚不均衡，在恶性肿瘤早诊早治方面工作仍有一定不足，我国女性早期乳腺癌中I期检出率仅有20%～25%，而欧美等发达国家则接近80%。2017年起，天津市肿瘤医院开展“天津市常见恶性肿瘤早诊早治项目”，涵盖了肺癌、乳腺癌、肝癌、胃癌等天津市四大高发恶性肿瘤的筛查。项目至今已连续开展两年，完成了对全市10万余人的肿瘤筛查，通过大数据分析发现，市区与郊区居民的肿瘤相关危险因素分布上存在显著差异，为今后天津市制定这4类常见恶性肿瘤的防治重点提供了基线数据。“分型而治”精准诊疗提高患者生存质量先进的药物研发出来了，到底如何在临床用好，什么样的病人能用、怎么用，都需要合理分析各方面数据，整体考量。王平介绍说，由于基因类型不同，我国肿瘤发病特点和西方国家相比也具有自身特色，治疗方案也不应采用千篇一律的固定模式，而是更加强调多学科的协同发展。以放疗为例，正从物理精准走向生物精准，原先主要是根据患者的体质、病灶大小、位置、病理类型来制订治疗方案；而现在更强调融入分子生物学信息，结合基因表型、分子生物标志物数值，综合考虑放疗敏感性、肿瘤的异质性、病人的损伤等因素，从而制订精准化治疗方案。论坛上，专家们谈到，目前对于肺癌术后临床分期Ⅱ期和Ⅲ期患者，无论是中国还是国外的指南均推荐以铂类为基础的辅助化疗3～4个周期，但其有效性非常有限，5年生存率提高仅仅在5%左右，有70%~80%的病人不能从辅助化疗中获益。天津市肿瘤医院王长利教授团队日前完成的一项研究，通过比较靶向药物与化疗作为辅助治疗的疗效对比，证实了对于ⅢA期EGFR突变非小细胞肺癌术后患者，靶向药物辅助治疗的中位生存时间增加近1倍。分型而治，成为国内外肿瘤精准诊疗的共识。天津市肿瘤医院副院长、中国天津乳腺癌防治研究中心执行主任徐波介绍，以乳腺癌为例，如今从检测、治疗以及关注患者生活质量等方面，都更加精准。当前乳腺癌的分级诊断结果，不仅可发现小至1毫米的肿物，还可以将乳腺癌分为不同亚型，从而根据每种亚型的生物学特性，掌握其在发病人群、治疗策略和临床预后等方面的差异。过去，具有相似特征的乳腺癌患者往往采取相同的化疗方案，可结果却不尽相同。如今随着分子生物学技术的发展，乳腺癌易感基因和致癌位点相继被发现，为乳腺癌精准治疗的药物选择与副作用控制提供了更多科学依据。中国乳腺癌患者相对较年轻，25岁以下的患者占3%左右，因此对保乳、乳房再造等技术需求更高。随着新型靶向药物的相继问世，手术、放化疗、内分泌治疗等选择都已经从过去的“最大可耐受”转向“最小可治疗”，手术切除范围、耐药问题、化疗安全性等方面相较于过去都有了极大改善，让治疗不仅仅局限于生存，也更加注重提高患者的生活质量。

新华社北京３月１３日电（记者方家喜）３月１３日《经济参考报》刊发题为《中国精准医疗确立＂自己的方向＂》的报道。文章称，记者从有关方面了解到，根据前期部署的中国精准医疗计划，将于２０３０年前在精准医疗领域投入６００亿元。据多家券商研报测算，精准医疗涉及的产业规模达上万亿元，直接相关的产业规模超过１００亿元。多方推进中国版精准医疗２０１６年３月，科技部召开国家首次精准医学战略专家会议，提出了中国精准医疗计划。会议指出，到２０３０年前，我国将在精准医疗领域投入６００亿元，其中，中央财政支出２００亿元，企业和地方财政配套４００亿元。↑赵乃育 绘目前，全球精准医疗更多地集中在人类对恶性肿瘤的早期诊断和治疗上，基于个体基因检测的肿瘤个体差异化治疗成为重要趋势。传统的药物治疗由于没有考虑到个体基因的差异性，在用药效果上会产生很大的差异。基因检测可以帮助医生基于基因分析选择潜在的靶向治疗药物。据介绍，精准医疗是通过基因组、蛋白质组等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对疾病不同状态和过程进行精确分类，最终实现对疾病和特定患者进行个体化精准治疗的目的，提高疾病诊治与预防效益。美国生命技术公司大中华区总裁江路卡说：“１９９０年启动的人类基因组计划花费了３０亿美元，耗时１０余年绘制出了人类基因组图谱。今天，我们全基因组测序只要花费千余美元，一天时间就可以完成，这样的改变难以想象。如果只是完成部分基因测序，成本甚至只需１０美元或者１００美元，这无疑是一场巨大的革命。”中国医学科学院有关专家对记者表示，当前，国内临床医疗多局限于依靠病人主诉、临床症状、生理生化指标和影像学改变来确定疾病情况。但在组织器官改变的下面，是大量的深层次分子生物学改变，包括遗传背景、变异、免疫和内分泌改变。以癌症早期诊断为例，发达国家的早期诊断率为５０％以上，北欧甚至高达７０％至８０％，而中国不足２０％。中国科学院北京基因组研究所原副所长于军说，“开展精准医疗是国际医学发展的趋势，尽快切入有可能弯道超车；随着社会逐渐进入老龄化，医疗方面的负担越来越重，医疗产业是刚性内需且边际效应巨大，可以有效拉动整体经济发展。”业内专家告诉记者，精准医疗主要包括三个层次，层次间逐级提高，难度呈几何级数加大。基础层次方面，基因测序是精准医疗的基础。无论是细胞治疗还是基因治疗，首先要通过基因测序诊断病情才能设计方案。在实施精准医疗方案过程中，需要大量的细胞和分子级别的检测。基因测序工具分为测序仪和试剂，医疗器械公司可以顺势介入测序设备生产领域。中等层次方面，主要涉及细胞免疫治疗。通过对免疫细胞的功能强化和缺损修复，提高免疫细胞的战斗力。这种技术治疗癌症效果好，但操作难度大，对患者身体素质要求较高，难以大面积推广。最高层次方面是基因编辑。癌症本质上是人体基因变异导致的细胞分裂失控。基因剪辑就是对患者癌变细胞的变异基因进行批量改造，使之成为正常细胞。记者了解到，我国有关政府部门和科研机构正在紧密实施精准医疗计划。其中内容包括，构建百万人以上的自然人群国家大型健康队列和重大疾病专病队列，建立生物医学大数据共享平台及大规模研发生物标志物、靶标、制剂的实验和分析技术体系，建设中国人群典型疾病精准医学临床方案的示范、应用和推广体系，推动一批精准治疗药物和分子检测技术产品进入国家医保目录等。业内人士介绍，构建百万人以上专病队列及大数据共享平台，旨在打下精准医疗的大数据基础；建立大规模研发生物标志物分析体系，是为中国人群典型疾病示范打下产业标准化的基础；推动精准医疗药物进入医保目录，则标志着精准医疗大规模商业化的关键瓶颈有望被打破。　中国精准医疗有望弯道超车据了解，在美国，精准医疗技术已经取得了长足的进步，并显示出良好的临床疗效。例如现已得到广泛应用的各种靶向药物，针对性的应用在携带有对应基因变异的目标人群中，能延长生存期数倍，并显著提高生活质量。以肺癌为例，自从２００４年由阿斯利康公司研发了第一代靶向ＥＧＦＲ的ＴＫＩ抑制剂后，针对ＥＧＦＲ基因突变的晚期肺癌患者，其生存时间已经由平均不到１０个月，延长到近４０个月，接近５年的慢病管理期了。目前研发成功并获得ＦＤＡ批准的第三代ＴＫＩＡＺＤ９２９１又进一步使得耐药的ＥＧＦＲ基因突变携带患者生命得到延长。“美国的医疗系统相对比较完善；生物医学研究的成果转化普遍；精准医疗能够解决当前美国疾病诊疗中重要的问题。精准医疗中的诊断成本仅占医疗成本的不到５％，却可以影响近７０％的治疗成本。”　南昌大学医学院李振山表示。与美国相比较，中国的精准医学起步较晚，在基础领域仍较依赖国外技术，但由于拥有巨大的肿瘤疾病和样本资源，在应用领域中有可能实现弯道超车。在精准医学的发展中，美国政府成功地使用了非常清晰的支持研究、开放政策、吸引人才、引导应用的４种策略。早在２００６年，美国就以政府的名义支持启动了ＴＣＧＡ，即“癌症基因组图集”计划。这一计划耗资数亿美元，分析了超过３万个癌症基因组，鉴定了与癌症相关的上千万个突变形式。这一计划动用了联邦政府的资金支持，是一种美国形式的“举国体制”的表现。２０１１年，美国政府又发表了《向精准医学迈进》的报告，提出对疾病重新分类，并对每一细分类别对症用药。这一分类方法跳出了传统的使用疾病原发灶位置（如肺癌、胃癌）和细胞学特征（如小细胞癌、腺癌）的分类手段，提出创建生物医学知识网络，为疾病做新的分类分型。回顾美国精准医疗的起步和发展，还有关键的一点是美国对精准医疗产业采取了鼓励发展的策略。美国ＦＤＡ（食品药品监督管理局）一向有积极鼓励业内创新的传统。在每年的ＡＳＣＯ（美国临床肿瘤学会年会）上，都有ＦＤＡ官员参与，与临床专家、制药公司、检测服务商一起讨论精准医学的应用，并明确告诉各参与者，ＦＤＡ鼓励大家尝试新技术，去改革和优化医疗现状。监管部门的积极参与引导，极大鼓励了产业界对精准医学领域加大投入的热情。专家表示，中美两国都看好精准医疗，未来的竞争与博弈难以避免，谁能赢得在精准医疗领域的竞争，谁就能引领全球医疗新革命。目前来看，美国比中国起步早，发展快，但中国也有自己的优势，比如制度、人口基数等。如果中国能发挥自身优势，扬长补短，将获得在此领域实现“弯道超车”的机会。百慕迪（上海）再生医学科技有限公司ＣＥＯ王健向记者表示，国内推动精准医学，被不少人认为是跟风美国“精准医疗计划”，但早在上世纪７０年代后期就已经有了个性医疗的概念，这并非奥巴马提出，只是措辞有所区别。美国版精准医学中的关键词为基因测序、肿瘤、个性化。中国科学家眼中的精准医疗与美国存在较大差异。中国科学家对精准医学的定义是：集合现代科技手段与传统医学方法，科学认知人体机能和疾病本质，以最有效、最安全、最经济的医疗服务获取个体和社会健康效益最大化的新型医学范畴。多位国内专家在接受采访时表示，中国精准医疗发展迅速，有望在未来１年至２年之内跨越美国在过去５年所走过的发展历程。与美国相比，中国发展精准医疗具有一些先天的优势，主要来自几个方面：首先，医疗资源集中优势。美国的医疗资源分散，数千家医疗机构之间信息共享很难建立和普及，中国的医疗资源相对集中，特别在癌症领域，全国最顶尖的３００家医院集中了几乎７０％的癌症患者。这在医疗资源的分配上本来是极大的挑战，然而在精准医疗的数据共享方面，反而是中国的优势。中国可以以相对较少的资源投入，迅速建立起医院之间的数据共享网络，收集、存储、分享、分析肿瘤精准治疗大数据。另一方面，临床资源丰富优势。中国人口多，在癌症发病率步步攀升的大环境下，发病人数也逐年增多，这对于癌症防控的卫生形势提出了巨大挑战。然而，辩证地来看，这也给中国的精准医学提供了优质的临床资源。很多在国外发病人数少、收集不到足够基因突变信息和用药信息的癌种和变异形式，在中国都能找到足够的病例，建立数据库，指导中国甚至全球的癌症治疗临床实践。业内专家表示，中国精准医疗面临两个方面的瓶颈：一方面，技术和与临床结合的力度偏弱。精准治疗的技术基础主要分为基因检测、数据分析和临床注释这三个环节。基因检测已经是较为成熟的技术。测序能力和技术的发展已经可以基本满足产业发展的需要。然而在数据分析和临床注释方面，产业发展有明显掣肘。此外，创新药物的匮乏和冗长过时的审批制度，已成为我国精准医学发展的最大短板。另一方面，支持良性竞争的政策环境和商业环境不够完善。卫计委在２０１５年初发布了“肿瘤高通量测序试点”名单，这体现了良性竞争的开放政策。但为了支持行业发展，政策的步子还可以迈得更大一些，进一步营造公平竞争的政策环境，在政策的引导下，建立市场竞争的技术标准。在达到标准的前提下，以市场规则引导市场行为。　中国应该有“自己的方向”国内专家在接受采访时表示，中国没必要跟风美国，在与国际前沿技术和理念接轨的同时，中国在精准医疗上的目标，更要注重向人们提供更精准、更安全高效的医疗健康服务为目标，建立国际一流的精准医学研究平台和保障体系，自主掌握核心关键技术，研发一批国产新型防治药物、疫苗、器械和设备，形成一批中国制定、国际认可的疾病诊疗指南、临床路径和干预措施。中国工程院院士程京表示，“发展精准医学，我们不能简单盲目跟风，一定要根据自己的国情，做好客观评判，制定好自己的路径图。”中国工程院院士曹雪涛说，精准医学和中国传统医学提出的辨证施治，同病不同治，或者是同人不同治，这些理念都是相通的。精准医学是个系统工程，通过全面认识疾病的状态，对整个医疗过程和临床实践进行最优化的诊治。因为分析精准原因以后，有没有真正的利器去实施病人的治疗，还是要依赖于药物研发，不是仅凭测一下基因就可以的事。清华大学副校长薛其坤说，精准医学理念结合了诸多现代医学科技发展的新方向，已迅速推广和广泛进入到临床医学的各个学科领域。发展医学和生命科学学科是清华大学的重要战略，构建精准医学这一新型前沿学科，对于清华大学的医学科学、生命科学等学科的发展具有良好的推动作用。苏州生物纳米园（ＢｉｏＢＡＹ）总经理庞俊勇称，如果把精准医疗扩充来看，可能涉及基本产业的任何一个部分。而对我们产业园的经营者来讲，最重要的是把自己的技术不断地通过创新、通过推向市场来真正地实现自身实力的提升，然后从国家层面再做精准医疗的整体布局，可能这样更加合理。“中国推动精准医疗的发展，将惠及普通百姓，所以降低成本、完善医疗保险体制显得尤为重要。我们完全有能力根据我们自己的想法、自己的基础来建立精准医学，找寻中国自己的方向。”百慕迪（上海）再生医学科技有限公司ＣＥＯ王健表示。中国工程院院士詹启敏向记者介绍，中国在制定“十三五”规划过程中，专家形成了７个共识，包括基因组技术的大规模应用已经趋向成熟，蛋白质组学将会取得重大突破，干细胞和再生医学已经进入临床应用和产业化阶段，疫苗和抗体将成为生物医药重点突破的领域，生物治疗、个性化诊疗技术成为现代医学重要方向，医疗器械成为与药物齐头并进的新型产业，最后是生物信息学向海量数据产出和广泛应用两个方向发展。

关注我们，更多干货和惊喜好礼宁婵娟由赛默飞世尔科技和上海中科新生命生物科技有限公司联合举办的“精准医学大队列研究”高峰论坛圆满结束。中国科学院生物与化学交叉研究中心的朱正江研究员、复旦大学生命科学学院丁琛研究员、上海交通大学医学院附属新华医院质谱平台负责人陈世礼博士，以及赛默飞小分子液质应用经理徐牛生博士和中科新生命齐凯博士就大会主题做了精彩报告。几位讲者分别就精准医学大队列研究的主题讲述了目前的研究进展，发表了看法和论点，并同与会听众就中国精准医学发展的优势、瓶颈、前景进行了深入讨论。峰会Highlight1、大队列临床样本研究是实现精准医学的必由之路；2、大队列分析需要高度重视样本处理的标准化、数据采集的稳定性、统计学分析的合理性和模型的可靠性；3、标志物普适性验证、标志物特异性分析、原始数据公开与共享等，是精准医学下一步需要潜心深入的研究难点和要点。4、蛋白质组学和代谢组学的应用目前集中在基础研究领域，但未来具有极广阔而重要的临床应用潜力，已有部分项目被FDA批准列为临床检测金标准；5、中国人群的健康与疾病Big Data建立与疾病诊断阈值界定，是需要临床工作者引起重视，并与基础研究工作者紧密配合去共同推进的关键问题。左起：陈世礼博士、朱正江研究员、丁琛研究员、宁婵娟博士快来听报告啦~朱正江研究员为本次大会作了题为“Development of LC-MS technology for population based metabolomics”的开场报告。朱老师首先就代谢组学的方法、流程、难点及特点做了深入浅出的讲解，随后指出疾病代谢组学的研究目标：深入认识发病机理、发现诊断标志物、寻找药物靶点、实现个性化/精准化医疗。朱正江研究员随后介绍了其课题组在代谢组学临床肿瘤队列研究中的学术成果。该研究中筛选出的8种代谢小分子，有望成为结直肠癌的诊断标志物，并为患者的治疗方案提供指导。丁琛研究员讲述了基于大队列人群研究的“人类表型组计划”，描绘出一幅事关人类健康与疾病研究的宏伟蓝图。随着系统生物学研究的逐渐深入，科学家们越来越认识到，生命体不仅受遗传信息的调控，更多地是与环境、饮食等因素共同作用的结果。基于此，人类表型组计划应运而生。该计划聚集国内外数百名科学家，对人体宏观到微观多个层次的表型特征进行跨尺度、多维度的研究。这无疑将进一步提升中国精准医学领域的国际影响力，为全民健康的中国梦作出重要贡献。来自赛默飞世尔科技的徐牛生博士报告题目为“精准代谢组学平台在大队列研究中的应用”。在报告中，徐博士展示了基于Orbitrap核心元件的质谱仪在大队列代谢组学分析中卓越的稳定性，这为大队列long bench数据采集的稳定性奠定了坚实的基础。同时Orbitrap具有超高分辨率，多级碎裂模式可提供更准确的代谢小分子结构分析，还可进一步应用于同位素标记的代谢流分析和未知代谢物的结构预测等方面的研究。Orbitrap ID-X 三合一超高分辨质谱仪 重新定义未知小分子化合物分析深度拓展小分子化合物分析功能的超高分辨质谱仪自动化数据采集和数据处理步骤（AcquireX）扩展了质谱对最具挑战性的低丰度、高复杂性矩阵或难以分析化学结构小分子分析物分析，从而获得前所未有的精确结果。大规模临床样本分析是实现精准医学的必由之路来自新华医院的陈世礼老师从医院一线科研工作者的角度，阐述了代谢组学的研究现状，以及目前利用临床样本发表的部分研究成果。陈博士指出，尽管代谢组学的研究近几年得到了长足的发展，但仍存在诸多不容忽视的“硬伤”，例如：样本例数少，缺少大规模样本验证、缺少对已有数据的验证、标志物缺少特异性、样本处理和数据采集方法尚未标准化、原始数据未公开等。已经见诸报道的临床队列研究文献，样本例数一般较少（几十到上百例），其研究结果大部分都没有进行后续的普适性验证。因此，大规模临床样本分析是实现精准医学的必由之路，具有极其重要的意义。最后，陈博士结合代谢组学领域前辈和同行的研究经验，提供了常见临床样本（血液、尿液）采集、处理，代谢数据采集方面的建议（下图）。资料来源：许国旺研究员公开发表文献Xu et al. Clinical Chemistry. 2013.DOI：10.1373/clinchem.2012.199257中科新生命齐凯博士就临床样本组学研究中的瓶颈，包括实验设计、样本采集、数据检测和分析等进行了讲解。齐凯博士认为，质谱分析应用于大规模临床样本研究的重点有二：更高的通量、更稳定的数据。同时讲述了基于Orbitrap质谱的DIA数据采集模式蛋白质组学工作原理、流程，以及DIA应用于大规模队列分析中的优势。最后齐博士就常见问题进行了归纳总结。HRMS1-DIA工作流作为蛋白质组学研究领域的领导者，赛默飞也对蛋白质组学在精准医学研究中的应用充满信心。结合Orbitrap超高分辨质谱在蛋白质组学领域的技术优势，我们在ASMS 2018上提出了基于超高分辨一级扫描定量的数据非依赖采集工作流（HRMS1-DIA）。该工作流充分发挥了Orbitrap超高分辨质谱的卓越性能，相对传统DIA方法可获得更高的通量和重现性。编者按：精准医学是关乎国民健康的重大议题。中国的医疗资源集中，拥有大量临床样本，在精准医学的发展方面尤其独特优势和重要地位。目前国内基因测序、蛋白质组学、代谢组学、以及新药研发、成像技术等迅速成为基础研究、转化研究的热点，也成为备受关注的热门发展和投资方向。在本次峰会中笔者意识到，精准医学的发展需要联合学界、医院、政府、药企、第三方检测公司、上中下游生产企业等多个相关方共同推进。同时，我们也应冷静面对精准医学发展过程中遭遇的瓶颈和困难，通过多方深度交融、探讨、资源整合、优势互补，共同推动精准医学的健康有序发展。如需合作转载本文，请文末留言。

从河北省科技厅获悉，近日，河北省印发关于组织申报京津冀基础研究合作专项项目的通知。为贯彻落实《京津冀协同发展规划纲要》，按照《关于共同推进京津冀基础研究的合作协议（2018-2020年）》要求，京津冀三地继续实施基础研究合作专项，2020年度将围绕“精准医学研究”受理专项项目，资助数量20项左右，单项支持力度60万元，由三地分别拨付，项目执行期3年。项目研究内容聚焦在京津冀高发、危害重大并具有研究优势和特色的疾病领域，鼓励有研究基础的团队开展疾病发生、发展的分子机制研究，发现早期筛查、诊断相关的生物标志物、易感基因以及新药干预靶点，并组织开展临床验证，为提高疾病的早期诊断，治疗方法创新和发展新型药物提供研究基础，在此基础上逐渐优化形成一批在重大疾病前沿领域稳定合作的京津冀三地研究团队，及可共享的生物样本库及数据库。优先资助的领域包括重大心血管疾病、神经系统和认知疾病、恶性肿瘤和难治性血液、糖尿病等代谢性疾病。据介绍，申报条件要求项目申请人及三地依托单位项目负责人应当具有承担基础研究、应用基础研究课题或者具有从事基础研究、应用基础研究的经历。同时在本专项研究领域具有较好的前期研究基础，具有高级专业技术职称。鼓励中青年科学家申报项目，同等条件下优先资助。本专项仅受理由京津冀三方合作申请的项目，本次项目申报期截至5月28日。来源：河北新闻网2020.4.14

北京时间2020年6月25日凌晨3时，北京大学工学院席建忠课题组联合北大肿瘤医院、人民医院等团队，在Science Translational Medicine杂志上发表以“Patient-Derived Tumor-Like Cell Clusters for Drug Testing in Cancer Therapy”（《患者来源类似肿瘤的细胞球可用于癌症治疗时的药效测试》）为题的文章，宣告发现了一种全新的原代肿瘤细胞自组装形成微肿瘤的新机制，建立了胃、肠、乳腺等癌种的微肿瘤模型。临床实验结果表明，微肿瘤模型预测患者治疗药效的准确性高达93%以上。这标志着席建忠教授团队多年来致力于打通精准医疗“最后一公里”的持续科研攻关有了关键突破。Science Translational Medicine杂志为文章配发了题为《小小细胞球大有前景》的“编者按”，按语指出，原代肿瘤细胞自组装形成微肿瘤的新机制旨在通过对肿瘤细胞及其基质细胞进行离体培养来克服目前为癌症患者制定精准诊疗方案中存在的缺点。该方法在应用于多种肿瘤类型患者的初步测试中已显示出令人鼓舞的结果。席建忠认准目标，持续关注“痛点”“近年来，各种组学技术在精准医疗中得到了广泛的应用，但其临床应用潜力和效果一直受到一定的限制：很大比例的癌症患者没有可用药的突变基因；即使是有目标基因改变的患者，也由于比例范围较大、组成复杂等原因而缺乏有效指导临床方案的实用模型。”从2014年开始，席建忠教授带领团队持续关注肿瘤精准医学的“痛点”——发展一项能及时、直接、准确地反映患者药物敏感的辅助治疗技术。“过去的60年里，先后有上百种的肿瘤药敏检测模型或方法被报道，其中，比较有影响的有类器官（Patient-Derived Organoids，PDO）、患者来源的肿瘤异种移植模型等，但这些技术在检测周期、准确率、检测药物通量、检测成本等方面有局限性，因此指导临床用药的前景并不清晰。”席建忠介绍，体外模拟再现患者肿瘤的特征，特别是药物效果特征，成为国内外一个古老而又热门的研究课题。“说它古老，是因为从现代细胞生物学开始之时，无数工程师和科学家就致力于研发各种各样的方法培养肿瘤细胞，毕竟这些是新药研发的基础。”持续关注研究痛点的席建忠也感受到了这一课题的“热度”：“说它热门是因为近十年，这一方向的研究投入更多，受到的关注也更大；不断有大量的新技术涌现，其中最有名的是荷兰科学家汉斯·克里夫（Hans Clevers）2009年发明的类器官技术，Nature Methods（《自然方法》）将类器官推选为2017年生命科学领域的年度技术。”席建忠说：“虽然这个研究方向已有半个多世纪的历史，但遗憾的是，目前在临床上还没有一个可以成功应用的方法。”2005年，席建忠在美国获得生物医学工程专业博士学位后，回到北大成为工学院生物医学工程系特聘学者，从此开始了对这一问题的持续关注。“研究的想法由来已久，这是生命科学、临床医学和药物研发等领域无数科学家和科研工作者的梦想。而真正投入大量精力开始专注于这一领域的研究，是从2014年开始。”从那时起，席建忠带领团队紧紧盯住打通技术通往临床应用的“最后一公里”目标，在这个领域不断摸索。坚持不懈，攻克重重“难点”精准医学“最后一公里”在于临床，席建忠团队正是以临床问题为抓手、医工结合新诊疗为途径，将科研的重心落在切实解决备受关注的肿瘤诊疗问题。“期间经历了各种各样的困难，但患者和家属期待的眼神是我们最大的动力，我经常告诉自己和团队要坚持下去，做真正对患者有用的科学技术。”科研的最终目标是解决临床问题，所以在技术研发时，席建忠将医生视为非常重要的合作伙伴。“在整个团队的研究工作中，医生扮演三个关键角色。一是所有临床试验的参与者，他们负责提供所有的样本、收集临床数据等；二是实验是否成功的判断者，我们实验结果的好坏、标准能否应用于临床，医生是有话语权的，医生的反馈是我们研究判断的核心依据；三是在技术推广应用时，医生还是技术的实际使用者。”席建忠没有想到，科研攻关过程中一大难点就是“等待医生、懂得医生”。面对医生的 “不守时”，席建忠其实非常理解：“中国的医生们是一群工作极其辛苦的团体，就算是约好时间，也经常因为医生在做手术而要等他们2-3个小时。”“夫君子之所以取者远，则必有所待”，“上门拜访”“等待医生”就成了席建忠团队的“必修课”。席建忠说：“科研攻关必须坚持开放的合作心态，我这几年访问过、面对面交流过的医生至少有800多位，现在一起合作的医生也不少于200位。坚持学习对方的专业知识、换位思考，得到合作伙伴——医生的认可和支持至关重要。在和医生沟通交流的过程中，我学会了简单地看PET、CT 影像图，学习了大量的医学专业知识。这样你才能从和医生的交流中准确把握关键信息，才能及时准确地制定研究方案。”研究开始后，交叉学科专业性强导致团队间沟通困难的问题开始凸显出来。“大家关心的维度不一样。”谈到最关键的困难，席建忠说：“最主要的困难就是刚开始不知道前进方向，或者说真正的问题是什么。”席建忠带领团队沉下心来做研究，在六年的持续科研过程中经历了三个关键阶段。“第一个阶段是在研究的初期，我们只有一个大概朦胧的目标，希望在这方面做一些探索。”席建忠介绍：“第二个阶段是研究开始进入真正有实质性进展并突破关键性技术难题的时期。”席建忠团队在和医生合作的过程中，经过反复探讨和不断的思维碰撞，逐渐意识到问题所在。“我们紧扣精准医学临床转化的本质，即一切以临床数据为最高检验标准，一切以满足临床需要为第一要务。这个阶段我们花了两年多的时间，将临床需求和技术反复碰撞对接，才认识到问题的关键是什么，在2016年年底，逐渐从数十个参数中凝练出三个最为关键的要素：第一是准确性，第二是时间窗口，第三是标准化。临床转化应用首要的就是准确，其次要切合临床的时间需求，最后就是技术一定可标准化，这是大规模推广应用的基础。”席建忠说:“目前研究已经到了第三阶段，对绝大部分肿瘤包括胃癌、乳腺癌、肺癌、肠癌等，我们的技术已经比较成熟，具备大规模临床试验和推广应用的基础。未来1-2年，我们将在相关政策的指导下，开始医疗器械注册证的申报等工作。”他特别指出：“对于胶质瘤、肝癌等其他一些癌种，我们现在还处于第二阶段。”在重重“难点”被攻克后，席建忠教授团队历经六年锲而不舍的科研攻关，最终研发出微肿瘤PTC药敏检测模型。“我们为肿瘤患者在体外培养出成千上万个‘替身’来做药物测试。我们提供的是实实在在的测试结果。”不同于传统的类器官等培养技术，微肿瘤PTC药敏检测模型在检测周期、准确性以及临床转化应用等方面取得了机制和技术上的重大突破进展，有望在2到3年间得到大规模推广应用。回首六年科研攻关路，席建忠欣慰地说：“让我觉得特别幸运的是，有一支执行力非常强的团队。”课题组会聚了“四大团队”：一是医生团队，包括来自北大肿瘤医院、北大人民医院、协和医院、301医院、上海胸科医院、华西医院等十多家医院的外科、内科、病理检测、影像等不同专业的医疗专家；二是北大数学学院的席瑞斌教授团队，在大规模测序、数据分析方面，提供强有力的技术支撑；三是合作的相关企业，在资金、产业转化等方面给予大力支持；四是来自北大的科研助手和学生团队，他们在六年时间里逐渐成长为课题研究的中坚力量。对于这次取得的成果，席建忠一再强调团队的力量和作用：“这项研究是由北京大学工学院、北大肿瘤医院、人民医院以及北京基石生命科技有限公司等共同合作完成，尹申意博士、席瑞斌教授、武爱文主任、王殊主任是论文的并列第一作者，我和季加孚教授是论文的共同通讯作者。该工作得到了科技部、国家自然基金委等的支持。”锐意创新，突破应用“堵点”打通精准医学的“最后一公里”，关键在于创新技术的临床应用。“研究团队发展了原代细胞自组装形成微肿瘤的新方法。通过改良培养基和培养微环境，优化了微肿瘤培养条件。”席建忠介绍，一方面，利用转录组测序、GO以及KEGG等技术，分析培养细胞与体内肿瘤组织间的信号通路差异，筛选各种信号通路调控因子以及小分子抑制剂，增加微球培养的成功率；另一方面，测试了一系列培养器件的基底亲憎水等性质对培养的影响，发展了微型高通量培养和筛选芯片。在此基础上，团队对209例新鲜胃癌和结直肠癌肿瘤样本进行消化解离培养，微肿瘤模型PTC的整体培养成功率为89.9 %（188/209，不包含和感染和坏死样本）。对于PDOs不能或较难培养的瘤种或样本，如中低分化腺癌、神经内分泌瘤、粘液腺癌以及转移灶，微肿瘤模型PTC同样可以培养成功。微肿瘤PTC的培养方法、形态与细胞组成“微肿瘤PTC在培养时间、细胞组成等方面，具有明显的优势。”席建忠向记者介绍这一创新技术的优势所在：“无论是手术样本，还是内窥镜获得的样本，2周之内可以检测100-2000种药物；此外，微肿瘤PTC是由肿瘤干细胞、上皮细胞、成纤维细胞、巨噬细胞等多种细胞组成，能够很好地再现肿瘤组织本身的多细胞微环境与肿瘤上皮细胞的相互作用。”席建忠团队通过免疫荧光、流式细胞分析、转录组测序等大量方法分析，表明微肿瘤PTC与肿瘤组织在分子、细胞以及组织结构等方面，具有高度的一致性。“最重要的是，团队采用微肿瘤PTC药敏检测模型进行了临床双盲验证。”席建忠强调这一步至关重要，“没有临床验证，前述的细胞培养和表征意义就大打折扣”。在入组并获得PTC的24位胃肠肿瘤患者和35位乳腺癌患者中，采用影像学结合Miller & Payne分级系统评估临床疗效，PTC检测结果与临床疗效的一致率达到93.6%。“一位56岁、预后差、常规用药方案少男性粘液腺癌患者，在常规用药（XELOX方案）耐药后，利用微肿瘤PTC药敏检测技术，实现了跨适应症动态治疗；服用乳腺癌药物三个周期后，患者腹膜转移灶消失，腹水减少，肿瘤标志物下降，网膜结节减小，药效显著。”席建忠说：“这些结果表明PTC模型同样可以准确预测肿瘤患者对药物敏感的动态情况，对于复杂难治、恶性程度高的肿瘤，PTC可以充分发挥高通量等优势，帮助患者筛选跨适应症治疗方案，寻找更多可能的治疗机会。”临床应用案例：粘液性肠癌患者跨癌肿动态治疗PTC药敏检测技术如何打通肿瘤患者个体化治疗的“堵点”？席建忠介绍：“PTC药敏检测技术是近年来肿瘤诊治方法的重要的技术创新，克服了其他药敏检测技术的局限性，已成功应用于胃癌、肠癌、乳腺癌等患者的药物疗效预测中，可在临床决策中准确、前瞻性地指导肿瘤患者地个体化治疗，不仅使患者获益，延长生命周期，而且可以节省国家宝贵的医疗资源。此外，作为一种较有前景的肿瘤研究模型，PTC平台可有力地推动肿瘤临床医学在机制探索、新药开发、临床辅助诊断等领域的研究。”着眼未来，开拓研究“重点”“目前我们正处在全球生物医学快速发展的浪潮中，在浪潮下冲浪非常有压力，速度、方向和节奏等都非常重要。”人才是第一资源，近年来，席建忠非常注重面向全球生物医学发展的前沿，在科研攻关的过程中培养学生的责任感、领导力、配合度和换位思考的能力。庚子年初以来的新冠肺炎疫情给科研工作带来一定影响。在特殊的疫情时期，席建忠带领团队在保证安全健康的前提下，尽可能地持续开展科研攻关。“在重点研发计划等课题的支撑下，研究助手、博士后和部分学生按照学校相关规定的要求，回到学校开展实验攻坚。”席建忠经常和学生们交心：“国家和学校为我们创造了非常好的科研环境，我们应当为社会贡献自己的力量。”他还以身作则，告诉学生“领头羊”的真正内涵。“不是简单命令别人做什么，而是要让大家彼此信任、配合、协作，保证课题顺利进行。”“我们的新技术平台刚完成第一步，就是证明精准医学、个体化用药这条路是走得通的，下一步可做的研究很多。”着眼未来，席建忠已经瞄准了《“健康中国2030”规划纲要》的蓝图，致力于开拓三个方向的研究重点：“一是推进新技术在精准医学、临床转化方面的应用；二是在基础研究方面与国内诸多顶级科学家开展合作，把新技术平台用好；三是积极拓展新技术在新药研发方面的应用，我们已经开始和一些药学研究专家和制药企业对接，促进新药研发。”文字：校报记者 陈振云

资本寒冬中有哪些机遇？大数据时代下如何精准医改？精准医学未来会“一人一药”？从高校、从实验室走出来的医疗IP，如何商业化落地？近日，在2018普华资本新医学新医疗高峰论坛暨第三届普华医疗Hi大会上，来自不同细分领域的行业专家、创业者，一起分享了他们的观点。核心提示：医药新政对创业投资和创新孵化非常有利公立医疗机构未来将分成临床型和研究型两种未来可能会出现“一人一药”、“一人一器械”精准医疗将给行业带来颠覆性改变普华资本创始管理合伙人沈琴华：资本寒冬中，游戏规则对创新型企业是利好2018年是政策相当不平凡的一年，赛道的游戏规则发生了巨大的改变。对此，普华资本创始管理合伙人沈琴华认为，医疗赛道上的政策发生了改变，但总体来讲这对创业投资和创新孵化是非常有利的。从国家的大政方针来讲，是挤压低水平的仿制重复建设，并且挤压流通环节的水分。但国家在鼓励创新方面一直非常积极，这恰恰给普华资本这样的关注于早期、关注于先进技术的投资机构机会。在资本市场方面，普华资本管理合伙人周密认为，今年4月份香港交易所生物科技板出台，提供了在全世界非常独特的资本市场退出通道。甚至像英国的很多公司，它们都很有兴趣到香港来上市，其实这对国内投资也是一个巨大的机会。更令人振奋的是11月份国家宣布将设立科创板，对很多以科技创新为概念的有创新投资为支持的公司有一个巨大的利好。上海市医改“闵行模式”创立者许速：大数据时代下如何精准医改？许速是上海市决策咨询委员会委员，也是上海市医改“闵行模式”的创立者。“闵行模式”的医改特殊是以信息化为引擎，通过移动智能就诊“捷医”平台提高医疗效率，该模式设立以来，已从上海市闵行区推广到上海乃至全国。许速结合上海医改的案例，分析了今后医改的动向，谈到今后上海的公立医疗机构有必要分成临床型和研究型两种，也谈到社会办医未来有哪些创业机会和改革方向。公立医疗机构未来要分成临床型和研究型两种医院的发展不是以规模决定的，医院的产出也不是以体量判断的。我国医疗看病的体量非常大，但最终的产出是单一的，没有很多的医疗和医学突破，我国诺贝尔医学奖目前只有一个，这种状况实际上是不利于国家的总体医学的发展的。原因是，医院只是看病，没有精力做研究。所以医院今后的发展，要考虑医院的定位和功能。对于上海的三级医院，未来要划分成临床型医疗机构和研究型医疗机构。研究型医疗机构的病人数一定要降低下来，把病人转移到社会办医的平台上，以此来进行资源的结构性调整。社会办医目前的问题是资源承接不够上海的社会办医，已经出台了“5+X”等大量规划政策，但前期遇到难落地的状况，很少有医疗资源入驻到“5+X”园区中。这种现象最大的原因，是资源承接不够。大量的优质资源都集中在三级医疗机构，三级医疗机构的医生资源，怎么能够与社会办医形成联动呢？国际上的方式，是增加三级医疗机构和社会办医之间的资源共用机制。所以上海未来的发展，就是要把公立医疗机构与社会办医机构进行整合。这个方面，上海已经在园区中设计了混合制改革方案，同时开始推动商业保险。基于上海的保险交易所平台，计划将健康保险与金融、社会资本形成一种整合。浙江大学药学院教授陈枢青：精准医学未来会一人一药？基因是目前精准医疗中最能走进临床的通用版本在精准医疗的定义中，把基因组、蛋白组、代谢组、表型组所有的组都加进去了，而陈枢青教授则认为要集中在基因组信息上，因为基因是这一波精准医疗最能走进临床的一种东西。今年诺贝尔奖就花落在PD1/PD-L1抗体上，它能够治愈一些肿瘤疾病。其核心在于MHcD成为9个氨基酸的抗原，这个抗原是突变性的抗原。如果这样的突变多，PD-1抗体的疗效就会好。这一系列药物，现在已经变得很火，上个礼拜君实的PD-1刚获批上市。检测的时候突变多，有效性就会好；突变少则有效性差，里面的核心就是新生的抗原和TCT细胞能够去识别。针对新生抗原的问题，陈枢青教授的实验室研发了分析肿瘤的体细胞突变样本的新方法——根据体细胞突变，设计一个个体化的疫苗对它进行接种，对这个肿瘤病人有很大的帮助。最核心的要点是中间那9个氨基酸中间有一个突变。精准医疗将给行业带来颠覆性改变精准医疗在实现的过程中，一定会出现几个问题：第一，人类细分，所有的药物都是孤儿药，一个药救不了几个人；第二，甚至会出现一人一药，专门为一个做一个药，这直接涉及到监管的问题。第三，监管面临全新局面，监管需要安全、有效、质量可控，但是科技却是这样地发展，如果出现一人一药，监管还像以前一样为一个药让300人做实验，这恐怕不合理，所以这里会有很多改变；第四，医疗保健费用面临大幅度上涨，举例CAR-T费用已达到47万元；第五，整个医疗行业将面临颠覆性改变。Glybera医疗药物，2012年1月就获得欧盟批准，但是到现在为止只卖出去一份，未来随着精准医疗的进步还会有很多类似的情况，所以这里颠覆性的变化非常多。医疗IP如何商业化落地？医疗IP在商业化之路上，通常会遇到一些挑战，因为很多医疗IP是从高校、从实验室走出来的，这些前沿的科技如何击中更广泛的用户群？商业化过程中该如何考虑投入产出比？现场不少创业者分享了可供落地的实际解决方案。Remebot机器人是北航和海军总医院科研转化的成果，项目从高校和医院走出来，经历了商业化落地的过程。Remebot机器人COO聂智认为，医疗领域学派非常多，企业合作的医疗IP可能仅代表行业里面的一个分支，那么产品推广出去后，如何被行业里的其他分支所接受，这是很多产业化阶段的医疗企业都会遇到的问题。尤其是IP越大，疑问就越多。对此，Remebot机器人的解决思路是：如果企业能够给自己做一个很好的定位，知道自己的核心能力在哪个地方，那么在做产品的时候就能和不同学派最顶级的专家一起合作。因为在这个过程当中产品的核心技术掌握在企业手里，企业也是实现专家想法的通道和途径，所以专家不会特别排斥企业和其他专家合作。所以当我们的产品做出来的时候，就融合了很多个学派专家的意见，更多地解决大家的需求，从而避免陷入到学术之争。Remebot机器人认为IP在产业化过程中还会遇到另一个挑战——一些大专家的思想和要解决的问题都很超前，可能是十年甚至二十年后社会要面临的问题，那么如何把专家十年以后想产生的成果能够在当下两到三年之内就能产生一定的成绩，这是行业共同面对的挑战。在这个方面，Remebot机器人已经和北海、海总合作了近20年，他们的经验是与高校合作。通过跟高校做横向课题合作的方式，让高校做最开始的摸索，而企业会聚焦在当下三年之内能够产业化、能够大规模应用的技术难点。Remebot机器人COO聂智与艾瑞迈迪CEO杨健表达了共同的看法，两人都认为，企业一定要了解行业普适性的需求是什么。医生提的需求并不是100%正确，有时医生会提出个人独特的需求，这是不被广泛市场所需要的。微基因的产品形态非常独特，它是披着消费级基因检测的“外壳”，实际上做了很多医学科研项目，包括和上海交通大学、厦门大学等机构一起做了很多祖源分析、全基因组相关联系的研究。微基因创始人陈钢表示，这种科研性质的研究需要大规模的人群数据，有了数据基础，才能知道这些人群的状况如何，把人群划得越来越细、越来越精准。微基因面向C端的消费级基因检测产品，实际上可以让每个人参与研究，同时第一时间得到研究成果，享受它给每个人带来的好处，因此不需要经过那么长的转化过程。