生命科学近年来有哪些新技术？

NO.1

SARAH TEICHMANN: Expand single-cell biology（扩展单细胞生物学）

Head of cellular genetics, Wellcome Trust Sanger Institute, Hinxton, UK.

在过去的十年里，我们看到研究人员可以分析的单细胞数量大幅增加，随着细胞捕获技术的发展，结合条形码标记细胞和智能化技术等方法，在未来数量还将继续增加，对此，大家可能不以为然，但这可以让我们以更高的分辨率来研究更为复杂的样品，我们可以做各种各样的实验。比如说，研究人员不再只关注一个人的样本，而是能够同时观察20到100个人的样本，这意味我们能够更好的掌握人的多样性，我们可以分析出更多的发展时间点，组织和个体，从而提高分析的统计学意义。

我们的实验室最近参与了一项研究，对6个物种的250000个细胞进行了分析，结果表明，控制先天免疫反应的基因进化速度快，并且在不同物种间具有较高的细胞间变异性，这两个特征都有助于免疫系统产生有效的微调反应。

我们还将看到在单个细胞中同时观察不同基因组模式的能力发展。例如，我们不局限于RNA，而是能够看到染色质的蛋白质-DNA复合物是开放还是封闭。这对理解细胞分化时的表观遗传状态以及免疫系统和神经系统中的表观遗传记忆具有重要意义。

将单细胞基因组学与表型关联的方法将会发生演变，例如，将蛋白质表达或形态学与既定细胞的转录组相关联。我认为我们将在2019年看到更多这种类型的东西，无论是通过纯测序还是通过成像和测序相结合的方法。事实上，我们已经见证了这两种技术的一种融合发展：测序在分辨率上越来越高，成像也越来越多元化。

NO.2

JIN-SOO KIM: Improve gene editors(改进基因编辑)

Director of the Center for Genome Engineering, Institute for Basic Science, and professor of chemistry, Seoul National University.（首尔国立大学基因学研究所基因组工程中心主任、化学教授。）

现如今，蛋白质工程推动基因组工程的发展。第一代CRISPR基因编辑系统使用核酸酶Cas9，这是一种在特定位点剪切DNA的酶。到目前为止，这种方法仍然被广泛使用，但是许多工程化的CRISPR系统正在用新变体取代天然核酸酶，例如xCas9和SpCas9-NG，这拓宽了靶向空间——基因组中可以被编辑的区域。有一些酶比第一代酶更具特异性，可以将脱靶效应最小化或避免脱靶效应。

去年，研究人员报告了阻碍CRISPR基因组编辑引入临床的新障碍。其中包括激活p53基因 (此基因与癌症风险相关)；不可预料的“靶向”效应；以及对CRISPR系统的免疫原性。想要将基因组编辑用于临床应用，就必须解决这些限制。其中一些问题是由DNA双链断裂引起的，但并非所有基因组编辑酶都会产生双链断裂——“碱基编辑”会将单个DNA碱基直接转换成另一个碱基。因此，碱基编辑比传统的基因组编辑更干净利索。去年，瑞士的研究人员使用碱基编辑的方式来纠正小鼠中导致苯丙酮尿症的突变基因，苯丙酮尿症是一种先天性代谢异常疾病，患者体内会不断累积毒素。

值得注意的是，碱基编辑在它们可以编辑的序列中受到了限制，这些序列被称为原间隔相邻基序。然而蛋白质工程可以用来重新设计和改进现有的碱基编辑，甚至可以创建新的编辑，例如融合到失活Cas9的重组酶。就像碱基编辑一样，重组酶不会诱导双链断裂，但可以在用户定义的位置插入所期望的序列。此外，RNA引导的重组酶将会在新的维度上扩展基因组编辑。

基因编辑技术在临床上的常规应用可能还需要几年的时间。但是我们将在未来一两年看到新一代的工具，将会有很多的研究人员对这项技术感兴趣，到时候他们每天都会使用这些技术。届时必然会出现新的问题，但创新的解决方案也会随之出现。

NO.3

XIAOWEI ZHUANG（庄小威）: Boost microscopy resolution （提高显微镜分辨率）

Professor of chemistry and chemical biology, Harvard University, Cambridge, Massachusetts; and 2019 Breakthrough Prize winner.

超分辨率显微镜的原理验证仅仅发生在十几年前，但今天这项技术相对来说再平常不过，生物学家可以接触到并丰富知识。

一个特别令人兴奋的研究领域是确定基因组的三维结构和组织。值得一提的是，基因组的三维结构在调节基因表达中起到的作用越来越大。

在过去的一年里，我们报道了一项工作，在这项工作中，我们对染色质进行了纳米级的精准成像，将它与数千个不同类型细胞的序列信息联系起来。这种空间分辨率比我们以前的工作好一到两个数量级，使我们能够观察到各个细胞将染色质组织成不同细胞之间差异很大的结构域。我们还提供了这些结构域是如何形成的证据，这使我们更好地理解染色质调节的机制。

除了染色质，我们预见到在超分辨率成像领域空间分辨率有了实质性的提高。大多数实验的分辨率只有几十纳米，虽然很小，但与被成像的分子相比却没有什么差别，特别是当我们想解决分子间的相互作用时。我们看到荧光分子和成像方法的改进，大大提高了分辨率，我们预计1纳米分辨率的成像将成为常规。

同时，瞬时分辨率变得越来越好。目前，研究人员必须在空间分辨率和成像速度之间做出妥协。但是通过更好的照明策略和更快的图像采集，这些限制可以被克服。成千上万的基因和其他类型的分子共同作用来塑造细胞的行为。能够在基因组范围内同时观察这些分子的活动，将为成像创造强有力的机会。

NO.4

JEF BOEKE: Advance synthetic genomes （先进的合成基因组）

Director of the Institute for Systems Genetics, New York University Langone Medical Center, New York City.

当我意识到从头开始写一个完整的基因组变成可能的时候，我认为这将是一个对基因组功能获得新观点的绝佳机会。

从纯科学的角度来看，研究小组在合成简单的细菌和酵母基因组方面取得了进展。但是在合成整个基因组，特别是哺乳动物基因组方面仍然存在技术挑战。

有一项降低DNA合成成本的技术将会对行业产生帮助，但是目前还没有上市。今天发生的大多数DNA合成都是基于亚磷酰胺化学过程。所得核酸聚合物的最大长度和保真度都受到限制。

许多公司和实验室都在研究酶促DNA合成——这种方法有可能比化学合成更快、更准确、更便宜。目前，还没有一家公司在商业上提供这种分子。但是去年10月，一家总部位于巴黎的叫做DNA Script的公司宣布，它已经合成了一种150碱基的寡核苷酸，几乎符合化学DNA合成的实际限制。

作为一个群体，我们还研究了如何组装人类染色体DNA的大片段，并且我们可以使用这种方法构建100千碱基或更多的区域。现在，我们将使用这种方法来解剖大的基因组区域，这些区域对于识别疾病易感性非常重要，或者是其他表型特征的基础。

我们可以在酵母细胞中快速合成这些区域，因此我们应该能够制造数十到数百种以前不可能检测到的基因组变体。使用它们，我们将能够检查全基因组关联研究中涉及的数千个基因组基因座，它们在疾病易感性方面具有一定意义。这种解剖策略可能使我们最终能够确定这些变体的作用。

NO.5

CASEY GREENE: Apply AI and deep learning（应用人工智能和深度学习）

Assistant professor of systems pharmacology and translational therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia.

近年来，新兴技术如3D打印、细胞治疗和区块链等技术革新为人类的发展带来的好处是显而易见的，其中对医疗保健领域影响最大的则是数字技术的发展，大数据和信息技术将有助于更好地管理人口健康数据。我国政府在《“十三五”国家科技创新规划》中，详细规划了精密医学技术开发、建立多级知识数据库、创建国家级生物医学大数据采集和存储平台。
一、3D打印
3D打印可以为个性化治疗提供更多机会。生物制剂领域正在探索3D打印制造细胞和组织产品的新方法。
例如，药物和疾病模型可以在3D打印的组织上进行测试，不再像以前那样，在动物或人类身上测试。当3D打印与纳米技术结合使用时，它也可以在分子水平上应用：定制的白血球可以被设计用来追捕和攻击癌细胞。
尽管3D打印等新兴技术的潜力得到了广泛认可，但目前这些技术的法规仍处于萌芽状态，即使在澳大利亚等较发达的市场也是如此。
二、区块链
区块链是由存储、链接在数字交易上的交易块所构建的，交易记录能够共享，且不可修改，它使每个患者的数据源充当完整的、不可更改的“块”，然后安全地与医疗保健提供者或其他研究组织共享。
区块链在医疗领域的应用在国内外关注度日渐提高，区块链的触角已遍布各行各业，助推传统行业转型升级。
目前，区块链技术已逐步在医疗领域得到应用，作为一门新兴技术，正在颠覆这一行业的经营模式甚至价值链。一系列的数据显示，区块链技术真正的潜力可能在于，通过让不同公司甚至行业彼此分享数字资产以促进合作。
三、人工智能（AI）
人工智能算法可以分析来自临床试验、健康记录、基因概况和临床前研究的大数据集。这些数据中的模式和趋势能够以快于研究人员的速度验证临床假设，并迅速提供新的见解。
AI技术最新的一个应用是在诊断领域。2017年，腾讯推出了AI诊断医学影像服务，称为人工智能创新医疗系统（AIMIS）。
目前，这项技术已证明，食管癌的初步诊断准确率超过90%，肺结节病的准确率为95%，糖尿病视网膜病变的准确率为97%。迄今为止，AIMIS实验室已在10多家医院建立，并签署了进一步部署的协议。
腾讯的人工智能研究实验室——优图实验室（Youtu Lab）也与广州中山大学癌症中心的食道癌研究所合作，利用数千名匿名患者数据来培训其AI技术的诊断部分。这种发展可能对药物开发过程产生重大影响。
例如，腾讯AI技术捕捉到的图像可以与xtalpi结合使用，xtalpi是一种利用云计算平台（如亚马逊网络服务、腾讯云、谷歌云和阿里云）运行算法，部署一百万个计算能力核心的技术，以发现计算机中的新产品，大幅减少制药公司研发新品所需的时间和巨额投资。
四、基因疗法
基因治疗为个性化疗法提供了可能性，例如新的CAR-T疗法，虽然使用率仍然很低，但人类遗传学和精准医学已经逐步通过创新的生物技术改变医疗保健。
五、数据助力生命健康医疗行业发展
健康数据是新的医疗保健货币，面对来自内外部持续、不断增长的数据涌入，医院将依赖认知分析来发现和梳理数据中最重要的节点和趋势，通过对数据进行系统化、结构化的分析，向临床医生、患者提出可行的见解。
有三项技术正在帮助亚太地区挖掘不同的数据源，即物联网、认知计算和基于云的交互操作EHR系统：
1、物联网
物联网的发展对于远程临床监测、慢性病管理、预防性护理、老年人辅助生活和健康监测有重要价值。物联网的应用也有助于降低成本、提高效率，并将重点转移到优质的病患护理上。
2、认知计算
认知计算包括机器学习、神经网络和深度学习技术，可以帮助医疗组织处理大量快速变化的数据。
认知计算能够处理各种统计算法并快速生成新数据的新模型，这将帮助大量医疗保健数据（从医疗设备、智能手机、活动跟踪程序和EHR等来源汇总而来）转化为个性化医疗方案。
更重要的是，认知计算还能用来预测健康趋势（如疾病发作）、检测数据模式（如药物对个人或群体的影响），或者使不同来源的数据得以共享（如创建360度患者视图）。
3、基于云的交互操作EHR系统
当与AI相结合时，交互操作的EHR可以帮助医疗系统更好地将数据集成到日常护理中，并使患者更好地管理自己的数据。当这些数据存储在云中时，相关人员可以根据需要访问这些数据，也可以在区块链上访问，区块链是一个分布式、不变的数字交易记录分类账。
然而，随着数据使用的增加，以及像Wannacry等勒索软件的攻击，网络安全和数据风险管理问题成为生命科学和医疗保健行业需要面对的挑战。
实际上，在每年发生的网络攻击事件中，医疗保健仅次于金融领域。在全球范围内，各国政府正在研究新的法规，使患者能控制自己的数据并简化法规环境。
例如，日本厚生劳动省（负责医疗卫生和社会保障的主要部门）于2017年5月发布了最新版《健康信息系统安全指南》，旨在推广一系列措施来应对医疗机构的网络攻击风险。
最近，日本的医疗机构普遍采用封闭系统来减少网络威胁。但是，日本国家卫生系统新的医疗ID和数据共享方案的实施，将要求医疗机构将数据上传到外部服务器，从而提高网络安全的重要性。

您好，生命科学近年来突破众多，特别是关系到人类生命健康的研究，有长足进步。个人认为比较突出的成果之一是：日本科学家山中伸弥在多能干细胞研究方面取得的成就。山中伸弥绘制了早期细胞诱导为各种功能细胞的时间轴，向克隆人体器官的可能又进了一大步。其次是美国在抗癌药物，特别是基因靶向药物方面的研究，目前已有多种针对不同基因变异的靶向抗癌药物问世，最明显的成果是对肺癌的治疗，很大程度延长了肺癌病人的生命，以前可能生存期不到一年，现在可以延长到三、四年甚至更长。

生态学与生物多样性保护与利用的研究成果将指导人类遵循自然规律积极保护自己生存环境，否则人类的物质文明与精神文明都要受到灾难性影响。 顺应生命科学迅速发展的形势，发达国家政府及一些国际组织先后提出了《国际地圈及生物圈计划》、《人类基因组作图与测序计划》、《人类前沿科学计划》、《脑的十年》及《生物多样性利用与保护研究》等投资巨大的生命科学研究计划。其中仅《人类基因组作图与测序计划》，一项预算就高达30亿美元。 由于生命科学的发展，人才的需求量激增，近年除越来越多的物理学家，化学家与技术科学家被吸引到生物学研究领域外，以美国为例，近年统计48万博士学位获得者中从事生命科学的占51％。优秀青年科学家流向生命科学前沿，这是21世纪生命科学欣欣向荣的动力与源泉。 2． 08． 2 21世纪初生命科学的重大分支学科和发展趋势 80年代有远见的生物学家把分子生物学（包括分子遗传学）、细胞生物学

90斤技术像现在提出的基因重组很高科技。