當生物醫學遇上大數據

生物醫學系 黃柏榕助理教授

大數據（Big Data）這個詞，以往經常出現在天文學、物理學領域，但從未出現在生物學領域，因此，10年前根本難以預料生物醫學會有遇上大數據的一天，更無從推測它將為這個領域帶來何種衝擊、挑戰或新契機。1990年啟動的人類基因體計畫（Human Genome Project, HGP），首先以級數般的成長速度累積了可觀的生物數據與資訊，2003年完成人類基因體序列解碼，隨後更帶動了基因體學研究的蓬勃發展，將生物醫學研究推向一個全新的世代；然而，2007年左右「高通量定序技術」的出現，才是將「大數據」導入生物醫學研究領域的開端。 過去10年間，隨著高通量定序技術的快速發展與價格的親民化，所謂的生物大數據正開始逐漸地衝擊著生物醫學相關領域。

舉凡美國癌症基因體圖譜TCGA計畫（The Cancer Genome Atlas），國際癌症基因體聯盟ICGC計畫（International Cancer Genome Consortium），千人基因體計畫（1000 Genomes Project）、ESP計畫（NHLBI Grand Opportunity Exome Sequencing Project）等，都是運用高通量定序技術獲得資訊的成果，因此也為生物醫學領域挹注了龐大的生物大數據。有別於以往定序技術侷限於單基因研究，這些透過高通量定序技術產生的生物大數據，除了能提供單基因致病位點的快速定位外，更蘊含著能用來探討多基因、多位點變異等複雜疾病的寶貴資訊。這些資訊透過生物資訊分析，可發現與疾病相關的致病候選基因與突變位點，再經由實驗驗證與確效後，將有機會應用於臨床診斷與藥物開發。

除了基因體大數據以外，隨著近年質譜技術快速發展所累積的蛋白質體與代謝體數據，同樣地也為生物醫學領域挹注了可觀的生物大數據。撇開數據本身的容量與複雜度不談，單看這些生物數據的來源，即已顯現跨體學（基因體、轉錄體、蛋白體、代謝體）研究時代的降臨。随著這股數據洪流，研究學者也被迫跳脫單基因、單體學的思維，必須開始從多體學、多維度來思考與解釋生物醫學問題。這股趨勢也可從近年由多國攜手合作的癌症登月計畫（National Cancer Moonshot Project）看出端倪（https://cptac-data-portal.georgetown.edu/cptacPublic/）。很榮幸的，長庚大學在2016年與美國癌症研究所（NCI）簽署合作備忘錄成為其中一員，期望運用嶄新的蛋白質基因體學（Proteogenomics）策略，探討疾病發生機制，尋找檢測與治療的線索，進而終結癌症，造福人群。

然而，龐大的生物數據若無法有效歸類並加以分析與整合，會落入空有資料卻毫無價值的窘境，此時，生物資訊（Bioinformatics）就扮演著極為重要角色。生物資訊是一門集合資訊科學、統計學、分子生物學的整合應用學門，曾經伴隨著「人類基因體計畫」大量核酸序列的產生而興起，其商業化的應用可以提供生物資訊資料庫服務為主，也曾結合結構生物學、計算化學等發展出電腦輔助藥物設計，透過電腦高速運算能力進行結構模擬與虛擬化篩選，縮短新藥開發時間，增加營收。有趣的是，随著生物大數據時代的降臨，特別是2007年「高通量定序技術」出現後所衍生的各種商業應用模式，如：客制化生物資訊分析、雲端運算平台建置、個人化精準醫療資料庫建立，均突顯出產業界與學界對生物資訊人才的高度需求，也暗示著生物資訊將是大數據研究的熱潮。

為順應此熱潮並讓同仁有機會體驗各種體學所產生的生物大數據，學校各研究中心（如：分子醫學中心、健康老化中心）之核心實驗室也陸續提供專業化服務，項目涵蓋基因體定序、蛋白質體分析、代謝體分析與生物資訊分析。在生物資訊人才培育方面，106 學年度醫學院生物資訊學程也重新規畫，陸續增加生物資訊程式設計、生物資料庫設計、數據統計分析…等課程，期望能培育出更多具備生物資訊分析專長人員，未來能投入相應的學界或產業界。