华大基因CEO王俊：破解基因大数据可实现精准医疗

4月21日，由中国企业家俱乐部主办的2015年中国绿公司年会在沈阳举行。华大基因CEO王俊出席大会，并作了题为“基因、大数据与人工智能”的演讲。

王俊从基因的存储原理、基因测试大数据和人工智能深度学习等角度说明了保持健康，应该不是一个感性的意愿，更重要的是理性选择，这种理性选择是基于数据基础之上，基于人工智能的判断，是对基因的了解基础上形成的。

他将基因组比喻为一个个程序，每个基因是程序运行的一个功能模块。因为一个基因所能完成的只是一个功能，只有将众多基因联合起来才能寻找到不同的生存策略。而优质基因的存储对于医学、美容等都有深刻意义。同时他还提到目前基因大数据的情况，虽然目前成本很高，但他有信心未来基因数据的价值会远大于产生基因数据的成本，到那时，测序就会免费了。

王俊说：“基因蕴藏着所有生老病死的规律，如果从基因谈健康，必须要学会对人的基本状况的预测及预防，而不是简单治疗。”精准医疗对于医疗行业有非常大的改变，其概念核心点把人群细分，对其治疗、诊断要精准，对其个体化的行为和数据要有非常精准的解读，以给出一个精准的、对应化的解决方案。

以下为王俊演讲实录精编：

很高兴在讲基因的相关事情，我改了一下我这个题目，原来讲基因改变世界，我改了一下题目，把它变成BGI，华大基因的缩小是BGI，给一个新的诠释，华大要做三件事，第一件事就是B，做大数据，G是做基因，I是做人工智能。

基因

先从G基因讲起。生命本身是数据化的，我们可能习惯了以硅为基础的，忘记了以碳为基础的生命运营规则，大家可能很难想象，为什么这个生命体本身也是一种计算，为什么本身也是数字化的。

如果把全世界所有的图书，我们看见的书，都用DNA的方式来存储，可以存在巴掌大小的DNA里面，所有的全世界图书管理的书，都可以放在巴掌大小的DNA里面，可以存储多少年呢？上千万年。任何一个现在的计算机，无论光盘还是硬盘介质都不可以，但现在DNA可以存储上千万年，是自然界里面最高效的最持久的存储形式。

让我们假想整个宇宙是一个大的计算机，我们每个人，每个个体只不过是在那儿运行的一个程序。我们所说的基因组，是一个完整的程序，每个基因是程序运行的一个功能模块，就像写计算机一样，写一个功能模块，这一个代码是为了执行一个功能。

再往前追溯的时候，有一本书叫《自私的基因》，追溯在最原始的十几亿年前，在原始汤的形态存在的时候，基因是以分子形式存在，这些东西要不断扩张自己。如果写出一段好的代码，会经常把这段代码用到不同的程序体系里。为什么用到不同程序，因为它好，这边要用到，那边也要用到。一个基因本身最重要的事情就是不断扩张自己。

而如果说基因本身是自私的，在往前走的时候就会发现可能需要合作。因为一个基因所能完成的只是一个功能，如果把两个基因合起来，三个基因合起来，五个基因合起来，一堆基因合起来，就可能寻找到不同的生存策略。

我们现在看见的大千世界，每个物种，事实上是各种基因的不同组合，或者反过来讲，是这些基因的组合所采取的不同的生存策略。这种生存策略是不是成功，它的判定的唯一标准就是环境，你如果适应环境，你就会有更多的机会传播后代。你有更多的机会传播后代，你的基因就得到扩张，在所谓的基因池里面就不断增加你的份额。

你的基因的一半来自于父亲，基因的另外一半来自于母亲，除了父母之间的重组交换之外，因为这个东西本来不同的组合会产生不同的个体，还有一个非常重要的东西，就是除了父母之间的重组交换，在每一代里面，这个孩子跟父母之间会有60到100个基因突变，很多人都不知道这60到100个基因突变里面到底是一些什么东西。

以肿瘤细胞为例，肿瘤细胞就像是写程序的黑客一样，只要他写变了，这个程序变成不断扩张，它的适应性比其他细胞都要强，所以他不断的往前走变成了肿瘤。我们去看最后一个肿瘤细胞，其实如果你不断往前追溯，你都可以追溯到受精卵细胞，也就是说，你的生命的起源。个体生命起源就是一个细胞——受精卵细胞，受精卵细胞在不断进行分化和变成一代一代的时候，都会累计各种各样不同的突变。

大数据

生命科学已经不再像以前在简单的在实验室里面做实验，或者是观察科学。从基因开始一直到表型，是一个巨大的海量数据的输入，这些数据的输入需要起码做到一百万人，比如身高，对身高基因的判断，身高显然是遗产，在营养均衡的情况下，显然是遗传，到底跟哪个基因有关系，现在不清楚，需要多少人弄清楚，需要一百万人，如果一百万的基因数据和他的身高数据，我们可以很准确的把他身高给预测出来。

测一百万人要花多少钱呢？我们在1999年做第一个人类基因组计划的时候，花了10亿美金，测一个人的基因图谱序列，2007年测定一个亚洲人基因图谱序列的时候花了三千万人民币。我们在今年6月份，因为我们自己的知识产权，我们可以做到三千块钱人民币，三千块钱可以把一个人的完整基因全部读出来，这个数字还会往下降，降到什么时候可以不要钱呢？五年？三年？还是今年就可以不要钱？事实上真正所谓这件事情的拐点，是在于我们如何能够转化这个数据本身的价值。如果这个数据的价值远大于产生这个数据的成本，测序就会不要钱了。

除了基因的数据之外，还要收集很多别的数据，比如说物联网数据。把所有的这些数据全部都搁在一起，和你基因合在一起的时候，我们才能得到更多答案。而且数据的可视化会成为很大的问题，这些数据都是呈EB级别的数据，怎么让老百姓看懂是非常大的问题，最终还需把基因数据全部连成网络。

人工智能

最后一个可以讲的就是人工智能，我们做了一个尝试，小米是中国饭桌上最常见的食物之一，我们做了几千株的小米，小米有各种各样刚才我讲的大型数据，用人工智能的方法训练，先把所有大数据收集，做人工智能的深度学习，最后到一种什么准确性，可以到任何一株小米。我测一下它的基因，可以准确猜出在这片地里面它长出来什么样，准确性可以达到90%。

一个孩子刚出生的时候，把脐带、胎盘各种各样干细胞存起来，那时候是最好的程序运行的状态，那些可以用来做各种各样的东西，可以用来修复干细胞，修复神经细胞，肌肉细胞，白血病各种各样的东西。

有人说皮肤干细胞保存，岁数大了，也没脐带血了，胎盘也早没了，这个时候还能不能存？越年轻的时候存越好，因为存的细胞是那个时候生命体信息，比如皮肤，皮肤细胞可以用于美容。

脂肪干细胞存起来以后，可以开始我们叫为生命保驾护航了，干细胞的注射、抗衰老，很多东西，抗衰老就是在你老年的时候，运行一个年轻程序，就抗衰老了。

保持健康，应该不是一个感性的意愿，更重要的是理性选择，这种理性选择是基于数据基础之上，基于人工智能的判断，是对基因的了解基础上形成的。

来源：腾讯科技   作者：刘亚澜