論文閱讀:多層網絡(multilayer networks)(一)

在做生物網絡分析遇到問題,其中一個是當牽涉到的基因數量一多和參與的節點種類大於一種,很難用簡單的網絡(simple network)來理解,如何有效地把生物網絡更好地去分析,目前感覺採用multilater network的架構,也許是一個可以執得嘗試的方向,這部分的理論架構根據所查的文獻,還是片蠻新的領域,通常物理學、數學、社會科學領域的論文在討論這塊,這邊找到一篇專門在談multilayer network的文章,來閱讀一番。

Mikko Kivelä Alex Arenas Marc Barthelemy James P. Gleeson Yamir Moreno Mason A. Porter. Multilayer networks. Journal of Complex Networks, Volume 2, Issue 3, 1 September 2014, Pages 203–271

這篇文章提出一套架構,來整理目前討論複雜網絡(complex network)的說法:

網絡種類 Aligned Disj Eq.Size Diag L coup Cat |L| d
Multilayer network
Multivariate network
Multiplex network
Multirelational network
Multidimensional network
Multislice network
Hypernetwork
Multiweighted graph
Interconnected networks
Network of networks
Meta-matrix/meta-network

 

git subtree:將subfolder作為github pages site

用github pages的服務可以很輕便地將自己的html/css/js運行起來,不避自己搞定server site的架構,但所用的框架中,index.html不一定就在專案資料夾的最外層,此時就可以使用git subtree push的方式將subfolder推倒branch中作為github pages sites。

git subtree push --prefix build origin gh-pages

p.s 感覺這類用法比較非典型,先暫時頂一下需求,官方說這函數已經要被git submodule給取代惹!

參考閱讀:
Github pages
Deploying a subfolder to GitHub Pages
Deploy a subfolder as a GitHub pages site
神奇的 Git Subtree
Git SubTree 共編 Library

2017年小總結

時間咻咻地飛,一年過去惹,2017年過的也是起起伏伏,充滿許多的挑戰和困難!

今年因在DNArails的實習機會,多接觸和處理了許多藥物基因體和臨床試驗的資料庫,也認識一群很努力打拼的朋友,而研究所的專題則經歷了所謂“一個月計算量的挑戰”,深刻地體驗各種叢集電腦HPC運行任務時的坑、優化計算的方法(多線程、多進程),在碩班研究題目收尾了一套多組學的network analysis,同時,參加資料英雄2017年,一群夥伴設計了一套高風險家庭的量化系統,成功地投稿到useR2017,年尾,碩論投稿老闆的基因體與遺傳學會幸運地得了獎,過程當然許多風波,希望明年能繼續成長!

學術海盜船:Sci-Hub, Library Genesis, Booksee

當有經費和能力的話,直接購買電子書和論文來看是比較妥切的,但實際上大多數人都無法負擔這樣的方式,這使得科學新知應該要廣發傳遞的理念變得,好在目前有些替代方案,替這樣的我們提供“暫時性”科學知識的來源!

Sci-Hub
可用來搜尋文獻,直接使用doi即可,相當方便!
Library Genesis
含有大量書籍,但部分較近年份的書籍並沒有,介面較陽春

Booksee
搜尋介面蠻舒服的,收錄的書籍較新

Google Cloud Platform簡介:不用機房的運算解決方案

之前因為好奇心使然,對所謂的雲端計算很感興趣,畢竟scalable computational skillset蠻重要的,自從之前有把整個研究室叢集電腦塞爆,不斷修改平行代碼,測試速度等,還是需要一個多月計算時間的經驗,如何短時間調用更多運算資源,可以解決未來遇到此類事件的scenario。

Google Cloud Platform之前因為使用SevenBridge的服務時有稍微碰到,因為SeverBridge的生資運算工具本質上是建立在Google Cloud Platform上的Genomic API,最近則是因為需要使用到GPU的效能,但暫時無法組一台桌機來做這件事,所以覺得可以試試看GCP,假如他的學習機會成本可接受,目前整體感覺GCP上手容易度頗高的,且在不使用客戶端下就能做很多事情。另外,GCP很大部分都是針對"資料工程"圍繞建立的服務,所以頗多針對機器學習常用工具推出的雲端服務,非常貼心!screenshot.png

screenshot.png

screenshot.png

 相對於AWS一開始從很底層提供雲端計算服務,Google Cloud Platform的邏輯比較跟者應用層跑,相對起來很快可以轉移上去。

Google Cloud 教程資源

Goolge Cloud Platform基礎架構說明
Compute Engine: https://cloud.google.com/compute/
Storage: https://cloud.google.com/storage/
Pricing: https://cloud.google.com/pricing/
Cloud Launcher: https://cloud.google.com/launcher/
Pricing Philosophy: https://cloud.google.com/pricing/philosophy/

Google Cloud Platform中層服務
Cloud Pub/Sub: https://cloud.google.com/pubsub/
Cloud Dataflow: https://cloud.google.com/dataflow/
Cloud Datastore: https://cloud.google.com/datastore/
Cloud Bigtable: https://cloud.google.com/bigtable/
Google BigQuery: https://cloud.google.com/bigquery/

Google Cloud Platform高級服務(high level application level)
Cloud Datalab: https://cloud.google.com/datalab/
TensorFlow: https://www.tensorflow.org/
Cloud Machine Learning: https://cloud.google.com/ml/
Vision API: https://cloud.google.com/vision/
Translate API: https://cloud.google.com/translate/
Speech API: https://cloud.google.com/speech/

GCP部落格或應用
Reliable task scheduling on Google Compute Engine
Real-time data analysis with Kubernetes, Cloud Pub/Sub, and BigQuery
Processing logs at scale using Cloud Dataflow

Big data and machine learning blog: https://cloud.google.com/blog/big-data/
Google Cloud Platform blog: https://cloudplatform.googleblog.com/
Google Cloud Platform curated articles: https://medium.com/google-cloud

2017台灣醫學週小記

 

d2918678.jpg

每年大約在十一月初,都會有台灣醫學會舉辦的台灣醫學週會議,為期兩天的議程,主題比較廣泛,適合需要補教育學分的醫師,同時也能看看台灣醫學大老在想些什麼,大概分成四個半天,每個半天有專業課程3.6分。這次大會開場的演講由行政院長賴清德起手式XD

星期六
上午:大會特別演講

通常醫學週開場都會請兩個國外知名講者,今年分別是請Yoshiyuki Nagai教授,主題是Sendai Virus Research and Development. The Journay from a Mouse Pathogen to a Cutting-edge Biomedical Tool,另一個則是史丹佛大學Howard Y. Chang教授(張元豪),主題是Personal Regulome Navigation,第一位講者的內容我比較不熟,第二位Howard Y. Chang教授則比較熟悉,幾年前已經在長庚醫院聽過他的non-coding RNA研究的演講,非常厲害,其研究主題已經稍微不同,這次集中談論ATAC-seq技術,用來作為表觀遺傳學的研究,ATAC-seq主要是由史丹佛大學Greenleaf教授在2013年開發出來用來量測chromatin的技術,這技術可以用來判斷特定轉錄因子調控哪些基因。

下午:高峰論壇-癌症用藥的健保給付原則
有鑒於癌症藥物越來越多,且新型藥物的費用逐年高漲,對於健保給付原則的討論非常重要,由長庚大學臨醫所得張啟仁教授主持,因為其創辦了社團法人台灣藥物經濟暨效果研究學會(TASPOR),即是為了探討如何評估藥物價值而成立的。

新藥價值評估之思考方向 張啟仁
醫師觀點之癌症用藥的健保給付原則 柯博升
研發廠商觀點之癌症用藥的健保給付原則 陳喬松

關鍵想法是如何建立良好的藥物開發風險分擔機制,讓病人、廠商、保險給付人等都能參與其中,否則容易使藥商不願意開發高風險藥物,除此外,也應該健全更多私人醫療保險等。

星期日

☉上午:基層檢驗醫學
由林口長庚檢驗醫學科主任盧章智主持,主題圍繞在能幫助基層醫療的檢驗醫學觀念
基層醫療的內分泌代謝檢驗學 蔡克嵩
導致異常臨床檢驗結果的干擾因素 蘇正川
困擾臨床的輸血問題 何信重
小心B型肝炎表面抗原的陷阱 朱芳業

☉下午:免疫療法的最新進展
由台大鄭安理醫師主持,介紹了免疫治療和細胞療法的進展,從immune checkpoint inhibitors到細胞免疫療法CART、NK cell therapy等等介紹。

Current status of immune checkpoint inhibitors in cancer treatment 李冠德
癌症免疫細胞治療的演進 唐季祿
Other novel cancer immunotherapy in development 蘇文彬
A new role of radiotherapy in the era of immunotherapy: abscopal effect 洪志宏

 

閒書閱讀:基因傳 眾生之源 The Gene – An Intimate History

這本書The Gene – An Intimate History(有人暫譯“基因私密全傳/ 基因傳 眾生之源”)是普立茲獎非文學類得主辛達塔•穆克吉(Siddhartha Mukherjee)醫師的新作,整本書專注在基因的歷史,仔細探索人類是如何探索和發現所謂的基因,從遺傳演化開始到未來基因體發展跟醫療的關係,目前還未有中文翻譯的版本。作者撰寫過萬病之王(The Emperor of All Maladies: A Biography of Cancer),講述關於癌症的故事,以及重新認識醫學法則:病房裡的意外發現(The Laws of Medicine: Field Notes from an Uncertain Science),為TED books系列。

ps:最近發現,已經有簡體版惹!可惜死嗑英文版

见识丛书:基因传(悦享版)

作者辛達塔•穆克吉為哥倫比亞大學醫學中心腫瘤科醫師,同時也是哥倫比亞大學的教授。

這本書依照時間序列分成六個部分,分別是:

第一部分 1865-1935 The “Missing Science of Heredity “
第二部分 1930-1970 “In the Sum of the Parts, There Are Only the Parts"
第三部分 1970-2001 The Dreams of Geneticists
第四部分 1970-2005 The Proper Study of Mankind Is Man
第五部分 2015-post Through the Looking Glass
第六部分 Post-Genome

為何辛達塔•穆克吉要寫這本關於基因的書呢?很大一部分起始於他對於自己家族精神疾病遺傳史的好奇,辛達塔•穆克吉是印度裔美國人,他漫談者他家族裡的故事,以及他回印度尋親的過程,帶出關於“遺傳”這件事情,是如何深深在每個人成長過程中多少遇到,這背後慢慢引出整個探尋“遺傳”歷史的脈絡。

作者的文筆很好,帶者我重新認識遺傳這件事情在生活上是如何發生,從街頭巷尾的人們殘疾問題,到親戚常常議論的家庭等,其實在每個人生活的家族中多少有這樣的故事,第一部分從作者家庭故事帶起,在交錯者達爾文和孟德爾的故事,非常厲害的揉捻再一起!科學家開始探尋是什麼讓遺傳發生,DNA到底是什麼,而在1900年代初期,優生保健的觀念因為科學在遺傳學的進展,某種程度形塑了種族、同性戀、弱勢的歧視,甚至連德國納粹主義的興起,也是因遺傳觀念出現,為了“增加”人民素質而做出的政策,進一步跟政治摻上邊,一發不可收拾。

書本內容分享

古代對於遺傳的想法

書中的主軸是以時間序列從西元前帶到2000年初來介紹遺傳研究的進展,其中夾雜者作者的家庭故事,自古以來,小孩長得像大人這關係其實很明顯,但在研究設備和觀念不發達的年代,哲學是主要解釋生物現象的工具,比如在西元前458年的畢達哥拉斯學派,就認為男人的精子是關鍵,提供了下一代所需要的資訊,而女人只是單純提供子宮環境來養育孩子,從這里可以看得出古代混雜者社會價值觀來解釋的現象習慣,而經過一百年後,講究理性推理的亞里斯多德便發現這其中的謬誤,因為小孩也會看得出來自母親的影子,所以不可能單靠精液裡的物質,那麼應該是在性交的過程中,男人和女人同時貢獻出彼此的遺傳訊息。

博物學的年代

慢慢的人類開始有許多探索世界的科技,如航海技術、顯微鏡,另一方面,科學家開始在世界各地搜集各種奇禽異獸,並且描述其外觀,一套將各生物分類的系統變顯得很重要,在18世紀中葉,林奈(Carl Linnaeus)提出使用界、門、綱、目、科、屬、種,來將生物做分類,生物學因此有了系統性分類架構,生物間相似和相異變系統性的記錄下來,隨者發現的生物越來越多,科學家開始好齊為何生物間會有這樣的多樣性呢?為何同一屬的生物那麼相似,這是為什麼呢?而回答這個問題,便慢慢踏進了生物學的關鍵想法。

小獵犬號之旅

談到解釋生物多樣性的理論,便要介紹到達爾文,在1831年8月,年輕的達爾文剛從劍橋畢業,其指導教授John Henslow寄信問他願不願意到小獵犬號上,擔任所謂的隨船科學家,紀錄南美中所收集的生物樣本,在路途上,達爾文發現所有小島或是相隔千里的同類生物,多少都有些不同,但都侷限於當地,五年後回到英國,達爾文開始思考他觀察到的這些現象,假如這些相似的鳥類都有一樣的祖先,那麼為何會導致最後分散到各地的鳥類之嘴巴最後都有些許不同呢?經過了23年的醞釀,在1859年達爾文發表了他著名的物演論,兩個重要的觀念提出:物種之所以演化,是因為有兩個關鍵:變異和天澤的關係。這裡的變異是指單一種生物上一代和下一代都多少會有差異,而當這種差異會造成生物在不同環境中生存能力不同,就是所謂的天擇。

遺傳的最小單位

達爾文物演論之不足處便是針對變異的討論,需要介紹到另一位科學家(應該說是僧侶),其實在同一時間,孟德爾也在倫敦發表其碗豆雜交實驗的結果,其認為碗豆的子代性狀,分別來自於其授粉的雄雌代,而遵守特定的法則,且認為這必定有某些遺傳的最小單做掌控性狀,不確定達爾文是否有聽說孟德爾的發現,但相對於達爾文的學說引起學術界的盛大討論,孟德爾的發表沒有引起太多的興趣,直到1900初才有科學家重複實驗後,發現其理論奠基的遺傳學,因為稱奇遺傳學之父,而1905年科學家威廉貝特森第一次使用genetic來描述孟德爾提出的遺傳最小單位,而科學家摩根開始用果蠅的突變,來找尋各種不同性狀跟基因的對應。

三代的傻瓜已夠多

1900年初期,達爾文的物演通論和孟德爾的遺傳法則,漸漸讓人們接受性狀是會遺傳下去的,而壞的性狀也是,如智能缺陷等,同時許多科學家開始針對優生學做研究,在1927年,在美國通過了一個知名的案例史稱巴克訴貝爾案,這案件由普萊蒂醫師向法院申請,因其所主持的收容所發現一個三代女性都有智能方面的問題,所以想幫他們凍節育手術,最後通過了,而各州都開始有類似的強制性節育政策,這風氣慢慢從美洲吹到歐洲,其中尤其以德國做為代表,那時德國算是歐洲遺傳學研究的重症,許多優生學研究的科學家在推波助瀾,而納粹獲得政權後,借助這樣的風氣,把範圍擴大到政治異議份子,連手法都越來越激進,到後來集體送到集中營。這邊會讓我們知道原來科學的觀念其實也會深深影響社會中人們的想法。

DNA的外觀和組成

雖然人們對於性狀的遺傳藉由基因的觀念很可以接受,但實際上這基因到底是什麼物質,卻還是不十分理解,直到1944年,分析化學的技術較為進步,生物化學家埃弗里(Oswald Avery)萃取出細胞核中的物質,分析後認為去氧核醣核酸應該就是承載遺傳資訊的物質,也就是所謂的DNA,再過了10年左右,此時放射線造影的技術可以看到DNA的結晶結構,而華生(Watson)和克拉克(Crick)在放射線造影術的幫助下,於1953年,建構出DNA實際的結構,雙股螺旋,因此暗示實際上可能的編碼和複製之機制,從而開啟了對於DNA複製機轉相關的研究。

1970-2001黃金年代

1970年代到2001年代是生物科學發展大耀進的時期,許多技術接連發展出來,在1970年,在史丹佛讀博士的珍妮特梅茲(Janet Mertz),開始發展如何轉殖DNA片段的技術,科學家開始能研究DNA片段的功能,而到了1978年,這樣的技術開始能用來解決臨床問題,原本當時第一型糖尿病病人之胰島素,是用小牛胰島絞碎而成,基因泰克公司(Genentech),成功將胰島素的基因轉殖入細菌,能在試管中大量產生胰島素,新的製藥時代開始展開,基因泰克公司如今已經是世界上非常巨大的生技製藥公司。

人類基因體解碼

基因轉殖技術、定序技術逐漸成形,人類各種基因開始被發現,但始終沒有人類基因體全部序列的資訊,於是1990年代美國國家科學院便開始了人類基因體的計畫,希望能至少解碼人類的23對染色體序列,歷經十年,第一個人類基因體地圖在2000年的6月26號,在白宮記者會中宣布初步完成,從此人類第一次有了完整的基因資料,雖然從現今的角度看,當時的資料可能還有許多錯誤和漏洞,但已是不得了的成就。

screenshot.png

小說般細膩敘述重要的科學家

首先,這本書用了非常小說化的方式在描述科學家的故事,很真實地寫出科學家當時的環境和做出發現時的背景,能因此引發我們的思考這些事件發生的邏輯性,比如達爾文的故事,很深洞活潑地描述了達爾文在畢業後2個月,因為指導老師的要求,上了小獵犬號,因為小獵犬號當時徵條件為經驗粗淺的紀錄人員,剛好達爾文尚未有任何發表,所以在其他地方也找不太到工作,因此上了小獵犬號,而孟德爾則是因為牧師訓練的過程不順遂,他想要轉換跑道到教學上,所以另外去應考自然博物學,但連續兩年都名落孫山,只好維也納大學修習相關的科別,最後被分配去教學相關的職位,但因為經驗出淺,被修道院的長官要求幫忙種植碗豆,而因此開始做碗豆雜交實驗,這樣真實且坦誠的論述,作者一定的查詢許多史料,反之,卻能給我們非常全面性對於科學家當時環境的理解。

時代縮影下,重現當時的競爭,以及分析各別研究團隊之成與敗

書中關於科學家間的競爭血淋淋地寫出來,這在其他科學傳記中不常見,通常我們只介紹最後成功的人,但往往失去了當下激烈競爭的氛圍,比如克隆胰島素這項重要的里程碑,雖然目前我們只會記得基因泰克做出胰島素的克隆,但實際上,當時有來自哈佛大學諾貝爾獎得主Walter Gilbery團隊的競爭,藉由書中的描述,讓我們明白為何是基因泰克成功先於哈佛大學團隊,而原來哈佛團隊才是當時聲望最強大的隊伍,但最後反而是基因泰克這間由UCSF大學Boyer教授創辦的小公司勝出,其中因為法規和策略差異的描述很令人津津有味,而在整個科學史中往往可見這種競爭的故事,但不易被事後的傳記所記錄下來。

邏輯清楚,把遺傳觀念的探索講得如偵探抽絲剝繭地辦案

這本書是依照時間順序來描述遺傳的進展,但其最厲害的地方是會讓你如在當時的認知中,去探索人們當時只知道什麼,而在問什麼問題才得到答案的,畢竟從我們現在的眼光,基因DNA/RNA都是國中生物課本的內容,但當時的人們都要花十幾年才能回答課本一句話,藉此過程也讓我們省思當下的時代已定也是有很多帶我們發覺的問題需要我們去回答。

帶入當時的社會環境,讓人更深入體會時空背景

本書在講述歷史橫跨百年,作者很用心地都會順便帶入當時社會的文化,讓人理解當時環境下某間實情的合理與否,比如在講述做出DNA結構造影的女性科學家富蘭克林,作者會讓我們知道當時女性科學家是如何的稀有,兒富蘭克林有如此成就是如何辦到的。

延伸閱讀:
What we are reading:基因私密全傳
立場新聞書評 周達智
科學網 邵鵬
解讀 聽本書
GENE123 轉錄自得到 聽本書

文獻閱讀:哈里遜內科學第82章 基因體相關資料庫介紹

這篇由兩位美國內分泌內科醫師來撰寫,分別是在University of Pennsylvania J. Larry Gemeson, MD, PhD和西北大學醫學院的Peter Kopp。這篇文章算是幫哈里遜內科學的三大部分之章節Genes, the Environment, and Disease所簡述和導言。

人類基因體學的進展在臨床上的診斷、預防和治療都有影響(第84章),病人的基因型會影響到用藥(Pharmacogenetics)(5章),癌症的突變資訊則會影響到治療的方式,從傳統依據癌症發生的器官來治療的觀念,逐步轉變成需要依照腫瘤突變資訊來治療,慢慢跳脫臨床依據器官的分類法(101e章節)。

另一方面,傳統基因體學的應用主要在做罕見單基因疾病的診斷,這類疾病大概佔10%兒科入院病人,通常會用細胞遺傳學的工具(cytogenetic)來看染色體型態的異常,如唐氏症、透納氏症。而許多遺傳性代謝疾病則是用生化檢測來診斷。如今測序技術的進步,開始能進入多基因(polygenic)的疾病,建立相關的風險模型(84章),甚至像是GWAS(Genome-wide association studies)可以用正常人基因上的特異位點,來做各種疾病的風險預測

這些測序技術也被證明能用來做人體感染疾病的致病菌種的偵測(90/91e章節),且目前還知道腸胃道內的複雜菌叢對於人體生理的變化也具有重要角色。(86e章節)

如今這些基因資訊飛快地增加,對於臨床人員是另一種挑戰,這邊整理一下在此文章中所附表格裡提到的基因體資料庫。

National Center of Biotechnology Information
美國國家生物技術資訊中心,提供各式生醫資訊,包含基因定序、蛋白質資料、文獻匯集,除此外,還提供NCBI內部的API和軟體提供給相關開發人員和生資人員寫程式來串接資料庫內的資料

National Human Genome Research Institute
美國國家人類基因體研究中心,提供相關跟基因體研究有關的資訊,如多媒體的演講報導各重要研究計畫的進展

Catalog of Published Genome-Wide Association Studies
目前網址無法登入,可能正在維修

Ensembl Genome browser
歐洲基因體研究組織的資料庫,提供真核生物的定序資料

Online Mendelian Inheritance in Man
提供遺傳性疾病的相關基因資訊

Office of Biotechnology Activities, National Institutes of Health
提供美國針對生物科技發展的政策資訊

HUGO Gene Nomenclature
基因命名規則組織,裡頭有各種基因染色體命名的資訊

1000Genome Project
主要定序超過1000個來自不同種族的健康人,收集健康人間的基因差異

ENCODE
主要收集如CHipSeq等關於基因表現如何被調控的資訊

Dolan DNA Learning Center, Cold Spring Harbor Laboratories
基因體相關資料的入門資料,有豐富圖文和應用程式

The Online Metabolic and Molecular Bases of Inherited Disease
網路版的電子書,提供影響代謝疾病的相關基因資訊

The Jackson Laboratory
重要的生技公司,提供目前最豐富的老鼠疾病模型和相關基因資訊

NIH Mammalian Genetic Collection
提供基礎的基因統計資訊

Cancer Genome Anatomy Project
提供癌症基因組的資訊

Initiative for Chemical Genetics

The Cancer Genome Atlas
美國癌症基因體計畫的資料網站,提供24種以上癌症臨床和定序資料

新癌症療法並非提升癌症病人存活率的關鍵:照護、政策和經濟反而更為重要

這篇文章是在Nature 2017 10月號的,很驚訝的是在科學網就有人翻譯成中文了不富裕国家癌症防治新技术可能得不偿失翻得相當好,連標題都抓到核心重點

這篇文章是由Richard Sullivan是英國國王學院癌症教授,C. S. Pramesh是印度塔紀念中心胸外科教授,Christopher M. Booth是加拿大皇后大學癌症研究所教授和首席研究員。他們皆為參與多年國家癌症計畫的資深科學家,整篇文章其實是從務實面來看待癌症的治療如何經濟實惠,而非多花費幾百萬延長幾個月生命,其中關鍵論點有兩個:

第一點:癌症相關的照護問題會越來越重要,因為人口老化、人口增加和生活習慣的產生,癌症相對於其他疾病所佔的比率必定會增加,第二點:治療癌症的費用支出必須作為重要考量。目前隨者各地區人口老化和生活習慣的改變,且不同地區的癌症類型及癒後的差異,大多數的地區所擁有的醫療資源遠不及發展出新癌症治療發展的地區,而直接採用這些最新的癌症治療方式,對於這些醫療資源不足的地區,通常無法提高病人的生存機率。

screenshot.pngscreenshot.pngscreenshot.png

要改善這些問題,必須扭轉一味追求最新癌症治療方法的心態,理解目前自己所在地區的醫療現況,多投入資源再提高人們的知預防知識癌症篩檢圍繞在癌症治療相關照護面的人力教育

 

閱讀參考:

Look beyond technology in cancer care. Nature. Sep 21. 549(7672):325-328

Nature文章閱讀:基因定序的未來(The future of DNA sequencing)

Eric Green
Eric D. Green

在2017年10月這期的Nature探討了基因科學的未來,這篇”基因定序的未來“作者有Eric D. Green,  Edward M. Rubin and Maynard V. Olson(想必能再Nature發表這類遙望未來四十年的小文章,必定是身經百戰之人,所以好好查了一下),Eric D. Green醫師,從病理科出身,是目前National Human Genome Research Institute ( NHGRI ) 負責人,可以常在NIH youtube 頻道看見他的主持身影,參與了人類基因體計畫、BD2K計畫、精準醫療計畫(Precision Medicine Initiative)。Edward M. Rubin醫師則是生物物理學博士,本科也是物理出身,領導美國Joint Genome Institute, Lawrence Berkeley National Laboratory裡面基因科學部門在人類基因體計畫中完成染色體5,16,19條的定序,目前在新創公司Metabiota做首席科學家,Maynard V. Olson教授則是華盛頓大學的資深基因科學教授,也是人類基因體計畫的推動者。

圖片搜尋結果

在這篇文章的開頭,作者開宗明義地說大部分對於未來的預測都是錯的,所以在這篇文章是要談談如何去想這件事,大部分的科技隨者技術越來越進步,可能會讓人們對此科技產品的需求上升也可能是下降,比如說輪胎技術的進步,讓人們對於輪胎的需求下降,而基因定序應該隨者技術進步、價格下跌而讓人們的需求上升,如今的基因科學家無不希望能定序地球上每一個人、甚至每個細胞在不同發展階段,

如今次世代定序在2010年第三代出來後,開始有許多對於illumina公司的挑戰者出現如nanopore、pacifibio等,低價隨身型的定序儀在偏遠醫療的傳染病診斷中開始流行,其中在臨床上最重要的應用便是產前嬰兒唐氏症篩檢,粗估至少400-600萬婦女已在做這項檢測服務,在醫療技術較先進的國家,先天性罕病的兒童使用定序作為診斷的經常性工具,在腫廇治療上,液態活檢(liquid biopsy)的技術正如火如荼的開發測試中,可以想見未來這類抽血檢驗血液中癌症細胞基因的方式會變成常規,另一方面,測序技術在臨床外的應用會越來越多,比如偏遠地區的流病學家或是照護者,可以用手持測序技術來檢驗空氣、環境中的相關微生物基因資訊,在思考遠一點,也許未來定序技術最重要的技術是用來儲存資料。

閱讀參考:

Eric D. Green, Edward M. Rubin and Maynard V. Olson. (2017)The future of DNA sequencing. Nature Comment