【科普】精准医疗与遗传因子检测的行业分析（上）

编者按：伴随着精准医疗的提出，本已热门的展现型侦测被就越来就越多的人说明并关注。自2003年第一个人类突变被测序后（当时耗时为30亿美元），由于新科技的更新，开销的降高于，和突变相关的侦测新科技及维修服务开始大量涌现。从那时起，已经有上千种的病症症用于到了展现型侦测 ( Centers for Disease Control and Prevention, 2015)。目前外籍人士有26,000个实验室侦测项目包括了5,400种状况和3,700种突变 (NCBI, 2015)。而一个同子类突变测序只需6995美元(Skirton, Jackson, Goldsmith, Simon Connor, 2013)，专门针对生物体消费者的展现型侦测只需99美元。一份由United Health Group发布的消费市场统计数据(UnitedHealth, 2012)显示，展现型侦测是实验室侦测消费市场中所发展破纪录的一分支，同子类美在此上的开支为50亿美元，原定到2021年，可达到150亿至250亿美元。面对这热火朝天的场面，根本什么是展现型侦测？有哪些多种不同大类，能对贫困品质疗法起什么借助发挥作用？统计数据分析在其中所的剧情是什么？在同子类民参与贫困品质保险公司的变革时代，澳大利亚保险公司业对展现型侦测又是怎么对待？现阶段，大众又是如何看待此类侦测的？本文作者陈氏前妻为生物医药大统计数据分析行业的顶尖专业知识，在澳大利亚从事相关的论点建模构建与实战科学研究多年，过去从专业角度已对相关观念顺利完成说明了，即使资本消费市场已对观念火热追捧，但也没有多少人其实明了这些基本论点和实际的系统设计。不过期望能促进有兴趣者已对深送入了解到，更渴望抛砖引玉，能有更多的专业知识进一步说明了和探讨，也就达到用以了。一、什么是展现型侦测展现型侦测（genetic and genomic testing）是用于实验室方法来看从你孩子那儿遗传学得来的DNA指令：即你的突变。它可以用来确定贫困品质疑问上减低的不确定性，同样疗法，或者评估对疗法的反应。遗传学侦测(Genetic testing)上则会使用于遗传学性病症症各个方面，用以侦测某些与特定病症症愈演愈烈关的的突变（易感突变），进而辨别患上此病症症的不确定性值。比如，众所周知，一个性状的BRCA1 或 BRCA2突变的依赖于，则会减低本人得乳腺癌或膀胱癌的不确定性。而突变侦测(Genomic testing) 上则会只涉及到乳腺癌本身。它主要用于给病症患和医生提供关于某个特定乳腺癌的具体讯息：比如，对于某些需要减小疗法强力；而对于“展现开明”的，可以同样比较开明妥当的疗法方式将。进而还便是了两个热词，靶向疗法和生物体化疗法，史蒂夫·乔布斯患有癌症（恶性持续性最高的一种乳腺癌）就是综合采用了各种方法，延续了9年生命，并且贫困质量较差。本文采用的度量是前者，即遗传学侦测，但突变是侦测中所的一个必不可少的两组成外，所以笼统称为展现型侦测(genetic and genomic test),但不牵扯后者的度量和内容。二、展现型侦测的大类和依赖性那么，过去根本有哪些子类的展现型侦测？它们各自的维修服务用以又是什么?澳大利亚国家人类突变科学所长提供了7类现已比较普遍存在的侦测及度量。

诊断侦测：用来精确到底是导致生物体卧病症在床的病症症。诊断侦测的结果可以借助生物体即时做出如何疗法或管理工作贫困品质的同样。

计算和腹泻愈演愈烈前的展现型侦测：用来推断出显然减低生物体患病症机率的突变巨大变化。这些侦测的结果可用于对生物体患上某种特定病症症的不确定性计算，从而显然对生物体的贫困方式将及贫困品质保健的更改有所借助。

载体侦测：用来推断出携带有和病症症相关的易感突变的生物体。载体本身显然没有任何病症症的显状。但，他们带有把易感突变遗传学到将来的能力。将来就有显然出现病症症或成为新的载体。有些病症症显现出需要的易感突变是勉强从孩子两国那儿遗传学下去的。这大子类的侦测对有遗传学病症症据信的生物体尤为重要，因为他们对特定的遗传学病症症往往有着比正常人更高的不确定性。

产前检查：用来借助比对在流产期间胎儿到底有某些严重影响的病症症。

新生儿筛查：用来检查推断出生于一到二天的新生儿到底患有则会因素贫困品质和在短期内发展的已确定病症症。

药剂突变学侦测：用来提供关于特定药剂在人体内如何显现出发挥作用的讯息。这种侦测能借助生物体的卫生保健工作人员根据你的突变构成，同样效果极好的药剂。

科学研究性展现型侦测：用来更多地了解到突变对贫困品质和病症症的杰出贡献。此类科学研究的结果显然不直接有益于发起者，但它们可以借助科学研究工作人员更好的理解人体，贫困品质和病症症，从而推动医学及贫困品质科学知识的进步，在在短期内使他人得益。

三、展现型侦测到底包查百病症？虽然已是数以千计包括了几百种人类病症症和性状的关的突变被推断出，但对于大多数病症症而言，也就是说只有很小一外的展现型被比对出来，更何况，关的却是说明该突变就是造成病症症的不太可能，即关联性不等同于自然法则。因此，仍然所有简单的病症症，在世界上，即使是已确定的带有高度遗传学性的病症症，现有的展现型不确定性分析往往勉强外解释病症症的愈演愈烈(Do C., et al., 2012)。比如，对于10种简单病症症（阿尔茨海默病症，除此以外性精神障碍，乳腺癌，冠状血管壁病症症，克罗恩病症，癌，精神分裂症，系统性狼疮，1型冠心病症，2型冠心病症）的愈演愈烈，只有约0.4% 到31.2%是被已确定的易变突变桃花心木所解释了的 （So HC., et al., 2011）。这说明确我们过去已推断出的突变，对这些都有遗传学因素的病症症的显现出顺利完成计算是很不健全的。也就是说，大多数可能下依托单核苷酸特异性(SNP)（可笼统理解为一种DNA突变性状）建立的不确定性计算建模对于现有已确定标记（染色体上一个可以被比对的范围）勉强得到较差的相符合(Do C.,et al., 2012)。因此，在病理上，人们对于用于展现型顺利完成病症症的不确定性计算更为轻率。此外，突变学涉及的不也就是说只有突变各个方面的因素，还有生态各个方面的因素，也除此以外了更简单的突变与突变，突变与生态两者之间的交互因素等等，从而减低了收集统计数据并依此建模的简单性。四、展现型侦测里的统计数据分析上面提到，用于突变讯息所得不到的不确定性计算建模却是理想。那么怎么辨别计算建模的成败呢？这儿就有必要了解到一下同子类突变关联科学研究(GWAS) 具体是怎么回事和统计数据分析是如何系统设计在里面的。同子类突变关联科学研究又称为相似桃花心木不确定性科学研究（common-variant association study: CVAS）。它是一种针对生物体的许多相似协力突变桃花心木的检查，用以推论到底有任何桃花心木与某一性状（比如病症症展现形态）关的。GWAS上则会侧重于科学研究单核苷酸特异性（SNPs）和一些有性状的主要病症症的关联性。最相似的此类科学研究方法称为表型侦测，即把发起者根据他们的本病症形态分成两两组，比如患者两组和贫困品质人口两组，然后分别侦测并比较他们的SNP。如果某一子类的桃花心木（等位突变）或多或少经常出过去患者两组中所并被统计验证它出现不是偶然的，该SNP就被相信和此病症症是关的的。该不确定性SNP所标识的人类突变某一范围就被相信则会因素患病症的不确定性。此处便强调一下，不确定性不等同于自然法则。通过GWAS科学所长推断出的与特定病症症有关联性的SNP却是能被相信就则会造成或减低患病症的不确定性。而依据突变的不确定性计算建模就是根据SNP和 病症症相关的强弱持续性计算出来生于物体患病症不确定性值，并在此值基础上进一步将生物体界定送入多种不同患病症不确定性的界别。计算辨别精准与否直接因素到生物体是被确实划送入不确定性高的界别还是不确定性高于的界别。最常用的一个推论不确定性界定准度的指标，原本是系统设计在信号侦测论点中所的叫作：接收者加载形态斜率，receiver operatingcharacteristiccurve，缩写为ROC。斜率下的面积称为Area under curve，缩写为AUC。这两者我们综合起来用于推论不确定性界定准度。由于事实上，仍然没有什么计算建模是完美的，因此人们需要计算出来这个计算建模界定的确实率和编码方式将。除此以外的，在此我们来参考一下四个基本观念： 想像自愿性，不道德自愿性，不道德高于不确定性，和想像高于不确定性，见图一。在我们知道最后生物体患病症结果的可能下，通过建模计算界定后估算的不确定性及非不确定性生物体总数。图一：

想像不确定性是想像自愿性和想像高于不确定性的等于，也就是归属于归对了，被界定为自愿性的个人的确患病症了，而被划为高于不确定性的人没有得病症。不道德不确定性则是不道德自愿性和不道德高于不确定性的等于，即归属于归错了。我们通过图二来演示。从左到右，界定常规从更为保守趋向更为激进。左一的小图设为的界定常规要求超高的相符合才能被划送入自愿性两组，从而造就了许多不道德的高于不确定性（即许多被到底是为高于不确定性的人最终得病症了）。而在右一的小图中所，较高于的不确定性相符合就可以被界定为自愿性两组，从而造就了许多不道德自愿性。由此可见，同样界定常规极大地因素了计算建模的最终界定编码方式将。图二：

好的界定常规当然是要有尽显然多的想像自愿性总数和想像高于不确定性总数，和尽显然少的不道德自愿性总数和不道德高于不确定性总数。不一定，“激进”与否往往一般来说个人被归属于后，不道德自愿性和不道德高于不确定性，哪个则会对其造成更严重影响的医疗贫困品质后果。我们一般通过4个千分之来体现一个界定常规的确实率和编码方式将，如图三和下面的公式所示（上去保险公司业对展现型侦测的作风和此有太大关连，所以这儿有必要简单参考一下）：图三(深色同子类域是分子，深色+浅黄色同子类域是分母)：

我们渴望这些千分之的可能是：想像不确定性千分之就就越就越好，不道德不确定性千分之就越小就越好，想像不确定性计算千分之就就越就越好，不道德不确定性计算千分之就越小就越好。他们个数的同子类域都是从0到1， 但想像不确定性千分之和想像不确定性计算千分之是1极好。不道德不确定性千分之和不道德不确定性计算千分之是0极好。上文我们将则会继续讨论接收者加载斜率和保险公司机构对展现型侦测的实际加载异议，敬请期待。本文由珍立拍电影准许血管壁网路平台发表文章。文章为作者独立自主观点，不值得一提的是血管壁网路平台立场。