【精华推荐】直击科技之巅！麻省理工科技评论评选的14大医疗领域突破科技

纳米孔测序的流程图

它能读取较长的基因片段，这有助于理解基因组的复杂区域。

成熟期：至少10年后

突破点：将单链DNA拉过蛋白孔，检测碱基穿过时电导的微小改变

重要性：基因组测序更快，更便宜，更方便，开启个性医疗时代

该领域主要参与者：Oxford Nanopore

纵观测序技术的发展历程，没有哪一个技术像纳米孔测序那样慢热。1996年哈佛大学的Daniel Branton、加州大学的David Deamer及其同事，在美国国家科学院院刊PNAS杂志上首次发表文章指出，可以用膜通道检测多核苷酸序列。利用纳米孔进行测序的理念是非常直观的：让DNA碱基一个个穿过纳米孔，同时快速鉴定每一个碱基。和其他DNA测序方法相比，它不需要使用荧光试剂来鉴定碱基或敲除DNA分子或者扩增片段，能快速发现基因易位等情况。

2005年，Bayley、Gordon Sanghera和Spike Wilcocks创立的Oxford Nanopore公司，验证了纳米孔测序的商业能力。 该技术提供了一种方法，使基因组测序更快，更便宜，并且足够方便，让医生作为最常规的测序方法，开创了个性化医学的时代，不过准确率方面还有待提高。

尤其是2012年，Oxford Nanopore 公司推出了一种掌上纳米孔测序仪MinION，方便携带也很便宜。它能读取较长的基因片段，这个平台的平均读长大约在5kb左右，最长能达到20kb，这有助于理解基因组的复杂区域。MinION还可以插入笔记本电脑的USB接口，在屏幕上显示数据生成的过程。最近发表的研究显示MinION相当实用，能准确测序小基因组（比如细菌和酵母基因组），区分亲缘关系很近的细菌和病毒，读取人类基因组的复杂区域等。

今年，哥伦比亚大学的车靖岳（Jingyue Ju）和哈佛大学的George Church教授合作开发了基于纳米孔的单分子边合成边测序（SBS）系统，对这一测序技术进行升级，打造了高通量的单分子纳米孔测序平台。但目前科学家正在通过减缓DNA序列通过纳米孔速度的方式提高此项测序的准确度，毕竟目前来看，该技术尚不成熟。

哈佛大学生殖生物学家乔纳森·蒂利

人类也有一种类似老鼠等动物的卵原干细胞，或可成为无尽的卵子来源。

成熟期：受质疑

突破点：精确细胞分选技术，从成人卵巢内分离出了卵原干细胞

重要性：在实验室中大量培育卵原干细胞，治疗女性不孕不育，甚至延迟卵巢早衰

该领域主要参与者：马萨诸塞总医院、OvaScience、Jonathan Tilly

哈佛大学生殖生物学家乔纳森·蒂利（Jonathan Tilly，同时在马萨诸塞总医院指导了一个生殖生物学中心）研究团队，证明了人类也有一种类似老鼠等动物的卵原干细胞，或可成为无尽的卵子来源。因为对于一个女性来说，到了40岁之后，卵子的数量和质量就会下降，“卵原干细胞”的发现有望为治疗女性不孕不育，甚至延迟卵巢早衰提供新方法。

这些卵原干细胞来自于成年女性的卵巢，说明女性成年后仍然有可能形成新的卵子。如果能在实验室中大量培育这种卵原干细胞，也意味着医疗上拥有了无尽的卵子来源。这一发现对女性卵子数量在出生时就已被限定的传统观点形成挑战。

蒂利团队曾在2004年首次证明，雌性老鼠在进入成年后还能持续制造出卵母细胞。后来蒂利团队研发出一个更加精确的细胞分选技术，并使用该技术从成人卵巢内分离出了卵原干细胞，得到的细胞像老鼠卵原干细胞一样，能自发形成具有卵母细胞特征的细胞，这些卵母细胞拥有人类卵巢内卵母细胞的物理外表和遗传表达模式。

蒂利表示，研究有望用于建立人类卵原干细胞库，最关键的是可能找到方法让卵原干细胞在试管受精中发育成成熟的人类卵母细胞，以改进试管受精的结果，并为不孕不育症提供新疗法。不过截止到目前，卵原干细胞仍然受到质疑，也并没有通过卵原干细胞培育成任何新生儿。

总部位于波士顿的OvaScience正在将蒂利的工作商业化。该公司的联合创始人包括风险投资家Christoph Westphal和哈佛大学抗衰老研究员David Sinclair，他们创立了Sirtris Pharmaceuticals公司，并于2008年以7.2亿美元的价格出售给GlaxoSmithKline。OvaScience在2012年就募集了4300万美元，用于追求干细胞的生育治疗和其他应用，目前公司运营良好。

成熟期：尚不成熟

突破点：使用记忆数据，信号被硅芯片转换成为一个长期记忆的方式

重要性：为长期记忆缺失患者做修复性的移植

该领域主要参与者：Theodore Berger

这个想法是如此大胆，所以远在神经科学的主流之外，西奥多·伯格（Theodore Berger）是这个行业有远见的先驱者的角色。他是南加州大学洛杉矶分校的生物医学工程师和神经科学家，他设想在不太远的一天，当严重记忆丧失的病人可以从电子植入物获得帮助。

对大脑遭受阿尔茨海默病，中风或损伤的人中，破坏的神经元网络通常防止长期记忆形成。二十多年来，Berger设计了硅芯片，以模拟这些神经元在正常工作时所做的信号处理，这项工作允许我们在一分钟之内记住经验和知识。最终，Berger想要通过在大脑中植入这样的芯片来恢复创造长期记忆的能力。

Berger通过电极与老鼠和猴子大脑外部连接的硅芯片研究处理像实际神经元的信息，并且在神经假体手术中取得成功。耳蜗植入物帮助了超过200,000聋人通过将声音转换为电信号，并将其发送到听觉神经而听到。其他研究人员在盲人的人工视网膜方面取得了初步成功。

Berger还与USC的生物医学工程师Vasilis Marmarelis合作，开始制造脑假体。 他们首先使用来自老鼠的海马回切片。知道神经元信号从海马的一端移动到另一端，研究人员发送随机脉冲到海马回，记录在各种地点的信号，看看它们是如何变换，然后导出描述变换的数学方程，并且他们在计算机芯片中实现了这些方程。使用这些数据，Berger和他的团队建模了信号被转换成为一个长期记忆的方式。

尽管有不确定性，Berger和他的同事一直在规划人类研究。 他还与他的大学的临床医生合作，测试使用植入海马回每侧的电极来检测和预防严重癫痫患者的癫痫发作，甚至帮助这些患者在大脑中寻找记忆。

产前DNA检测已经发展到无创产前基因检测（NIPT）阶段

目前已经可以通过母体外周血提取胎儿游离 DNA（cffDNA），进行筛查疾病。

成熟期：已成熟

突破点：通过一小管母亲血液中的胎儿DNA对基因测序

重要性：在胎儿出生前进行基因检测，排除多种基因缺陷病

该领域主要参与者：Illumina、Verinata、Sequenom、Natera、Ariosa、LifeCodexx、卢煜明

提到产前DNA测序就不能不说Illumina和Verinata。2013年1月7号，Illumina——这家世界上最广泛使用的DNA测序仪的生产商以3.5亿美元收购了Verinata公司。而Verinata不过是一家几乎还没有收入的创业公司。吸引Illumina的是Verinata的先进技术：对未出生胎儿进行DNA测序。这项技术可以通过一小管母亲血液中的胎儿DNA而检测唐氏综合症。在以前，唐氏综合症检测意味着要从胎盘或羊水中获取胎儿的细胞，这些方式都具有一定的流产风险。

利用母亲的血液可以获取胎儿基因组信息，一些患者为了了解自己的遗传性疾病或诸如癌症等疾病而接受基因组测序，但是将来人类无需等到发病了才去做测序，在出生时就知道相关的信息。根据中国香港科学家卢煜明的研究，母亲血液中游离的DNA中有15%是来自于胎儿。

通过快速的DNA测序技术，这些片段可以转变为大量的信息，不过后来，Verinata的创始人、斯坦福大学生物物理学家Stephen Quake很快发现，利用母亲血液中的胎儿DNA除了可以筛查染色体异常外，还可以对胎儿进行全基因组测序，这样就可以在胎儿出生前排除患有囊性纤维化（cystic fibrosis）、β-地中海贫血症以及自闭症等风险。而且这项基因检测成本一直在下降。

目前，已经发展到无创产前基因检测（NIPT）阶段，这项技术是通过母体外周血提取胎儿游离 DNA（cffDNA），进行筛查如唐氏综合征，Rh血型，性染色体异常，以及胎儿性别，是测序中竞争最为激烈的领域。无创产前基因检测在全球，尤其是在低收入和中等收入国家逐渐普及。不过产前检测让医生面临的法律与道德义务变得更加复杂，近日卫计委发布了通知，无创产前筛查和诊断试点正式取消，筛查机构必须获得新的职业许可证书。成人可以决定是否对自己的基因组进行测序，而未出生的胎儿是不能对此表示意见的。这些信息可能会影响人的一生。甚至有人提出提供检测的服务商，应该将其报告限制在20种左右最常见的严重疾病中。

深度学习技术推动人工智能向前发展的核心力量

为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策。

成熟期：正在使用

突破点：神经网络深度学习算法，使神经网络的能力大大提高

重要性：试图模拟大脑的工作方式，提高医疗效率，尤其在肿瘤治疗领域力图实现精准治疗

该领域主要参与者：谷歌、谷歌、苹果、IBM、微软、Facebook、百度等

深度学习是和人工智能的发展深度结合在一起的。其实，深度学习并不是新生事物，它是传统神经网络（Neural Network）的发展。神经网络研究领域的领军者Hinton在2006年提出了神经网络深度学习算法，使神经网络的能力大大提高，向支持向量机发出挑战。Hinton和他的学生Salakhutdinov在顶尖学术刊物《Scince》上发表了一篇文章，开启了深度学习的篇章。

深度学习的核心就是算法，算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。目前已经在语音识别、图像识别等应用非常广泛。

在医学领域，以深度学习为基础的人工智能，从学习在丰富的医学数据中识别复杂模式的算法，到为个性化医疗提供对现实世界证据的分析，再到发现与 DNA 结合的蛋白质的序列特异性和怎样用其协助基因组诊断以及个性化治疗，在医学成像上可提高分辨率、分析的广度和速度以及诊断上带来了非常了不起的进步，甚至在药物开发和更广泛的治疗干预上显示出了巨大的潜力。

尤其是谷歌，已经成了吸引深度学习和人工智能人才的磁铁。2013 年 3 月，谷歌收购了一家创业企业，它的创始人是多伦多大学的计算机科学教授杰弗里·辛顿——是赢得默克比赛的团队成员。辛顿会同时兼顾大学和谷歌的工作，他说计划“在这一领域中提出构想，然后把它们用在真正的问题上“，这些问题包括图像识别、搜索，和自然语言理解。

2012年6月，谷歌展示了当时最大的神经网络之一，其中拥有超过10亿个连接。由斯坦福大学计算机科学教授吴恩达和谷歌研究员杰夫·迪安带领的团队，给系统展示了一千万张从YouTubu视频中随机选择的图片。软件模型中的一个模拟神经元专门识别猫的图像，其他专注于人脸、黄色的花朵，以及其他物体。由于深度学习的能力，即使没人曾经定义或标记过，系统也识别了这些独立的对象。IBM的沃森在肿瘤精准治疗领域，能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案，已经实现帮助医生做出更好的决策。

在2011年到2015年的五年时间，人工智能领域的并购资金从2.82亿美元增长到2015年的23.88亿美元，而并购数量也从67起增长到397起。以谷歌、苹果、IBM、微软、Facebook为代表的等行业巨头正在通过并购进行产业布局。

CRISPR的工作流程，创新性地利用RNA

通过基因编辑携带定向突变的灵长类动物的能力，为科学家研究与遗传相关的疾病提供方法。

成熟期：进入到诊断

突破点： 利用基因组工具构建出两只携带有特定基因突变的猴子

重要性：为人类疾病研究提供了新的有价值的工具

该领域主要参与者：云南省灵长类生物医学重点实验室，Jennifer Doudna（加州大学伯克利分校），张峰（麻省理工学院），George Church（哈佛大学）

科学家们认为，CRISPR可能是自20世纪70年代生物技术时代开启以来出现的最重要的基因工程技术。CRISPR系统具有搜索和替换DNA的双重功能，可以让科学们通过替换碱基，轻松的改变DNA的功能。目前已经证实，利用CRISPR可以治疗小鼠的肌肉萎缩、罕见肝脏疾病，使人类细胞免疫HIV等惊人的功能。在资本市场上，都是千万美元级别的投资。Emmanuelle Charpentier在欧洲创立了CRISPR Therapeutics。Jennifer Doudna之前与张锋共同创立了Editas Medicine，离开Editas Medicine后她现在创立了一家小公司Caribou Biosciences。

CRISPR/Cas是在大多数细菌和古细菌中发现的一种天然免疫系统，可用来对抗入侵的病毒及外源DNA。最先试验的是一对出生在昆明科灵生物科技有限公司（Kunming Biomedical International）和云南灵长类动物生物医学研究重点实验室里雌性双胞胎恒河猴明明和玲玲。在体外受精后，科学家用了新型DNA工程技术CRISPR在受精卵中编辑修改了3个基因。标志着CRISPR可以在灵长动物体内完成靶向遗传修饰。在过去几年，CRISPR由加州大学伯克利分校、哈佛大学、麻省理工学院等机构的研究人员研发出来。这项技术已经开始转变科学家对遗传工程的理解，因为它可以让他们精确并相对轻松地改变基因组。

CRISPR可以精确并相对容易地，在染色体上的某个特定部位改变DNA，理论上，这项技术可以在培养皿中改变任何动物细胞类型的基因，包括人类细胞。CRISPR与早期的基因组编辑方法：锌指核酸酶(ZFN)以及转录激活因子样效应物核酸酶（TALEN）系统相似。但是后两种方法都是利用蛋 白质来定位靶序列，这些蛋白质通常很难生成且成本高昂。CRISPR利用的是RNA，使得设计它们变得较为容易。

某个基因变异的重要性通常并不明确，它很可能会致病，也可能仅仅和某种疾病间接相关，CRISPR可以帮助研究人员找到确实能致病的突变。在究竟谁该拥有CRISPR专利问题上，虽然还有争议，人们普遍认为是Charpentier和Doudna推动了CRISPR编辑的发展，张峰则是通过证实它能够在真核细胞中起作用揭示了它的巨大潜力，来自哈佛医学院的George Church独立证实了张锋的这一研究发现。

CRISPR未来最有潜力的应用是，修复人类组织中的基因，可以治疗诸如血友病、罕见代谢疾病、亨廷顿氏病和精神分裂症等基因疾病。随着对CRISPR系统认识的加深，实验设计的优化改造，相信其靶向效率会进一步提高，CRISPR以及其衍生技术终究会带来一场科学史上的巨大变革。

清晰的大脑成像图让神经科学家更完整深入地观察大脑结构

极为精细的大脑成像图，第一次在细胞水平上剖析了人类大脑，为神经科学家提供了解读其无穷复杂性的指南。

成熟期：尚未完全成熟

突破点：高分辨率，以20微米的尺度展现了人类大脑的结构

重要性：能够让神经科学家更完整深入地观察大脑结构，了解大脑不同区域之间的相互作用，脑结构及其对人行为的控制

该领域主要参与者：Katrin Amunts（德国尤利希研究中心），Alan Evans（蒙特利尔神经学研究所），Karl Deisseroth（斯坦福大学）、圣路易斯华盛顿大学

人脑一直是个神秘地带，人类也一直试图了解人脑的全部，“欧洲人脑计划”（提出在巨型计算机上对人脑建模）、“美国脑计划”（要从多个维度获取大脑活动数据并对此建模）这些雄心勃勃的计划，都在尝试创建一个广泛的大脑活动的图片。

大脑图谱的早期工作应该要归功于神经解剖学家们，其中最有名的应该是布鲁德曼（Korbinian Brodmann）在20世纪初的工作。在此之前，关于大脑的不同区域负责不同功能的观点已经随着颅相学的流行而兴起，在布洛卡（Broca）等脑区的功能而得到强化。然而，布鲁德曼关注于脑区的细胞构筑，未从3D空间来建立大脑的模型。3D大脑模型的出现，得益于法国神经解剖学家Jean Talairach，他在于1967年提出一个3D的大脑模型，与Tounoux 于1988年进一步完善此大脑模型。

目前最通用的模板，是加拿大蒙特利尔神经研究所（Montreal Neurological Institute，MNI）于90年代表所建立的MNI系列模板。在最早的尝试中，他们扫描了241个正常志愿者的大脑结构，按照Talairach大脑图谱的方式，使用标志性的大脑结构对每个受试者的大脑进行标定，得到每个大脑的AC-PC线和大脑的外部轮廓。目前使用更为广泛的是ICBM152模板，也是由MNI出品，然而MNI305和ICBM152模板中无法清楚地看到每个大脑的结构。

在德国尤利希研究中心与MNI共同完成的“Bigbrain”项目中，建立了第一个细胞级别的超高分辨率的大脑3D模型：由7404个组织切片组成的，分辨率达到20微米，几乎精确到了分子级别。这个花了十年的地图集，在超级计算机的帮助下将它们数字化缝合在一起，超清晰3D大脑模型的建立，有望为今后神经成像提供一个更加标准的大脑图谱，也为今后建立标准3D大脑模型提供了新的途径。

清晰的大脑成像图得益于技术的创新，比如德国尤利希研究中心的Amunts正在开发一种这样的技术，使用偏振光来重建脑组织中的神经纤维的三维结构。在斯坦福大学的神经科学家和生物工程师Karl Deisseroth的实验室开发了一种名为Clarity的技术，允许科学家直接看到完整脑中神经元和电路的结构。今年7月，美国圣路易斯华盛顿大学的一个研究小组称，他们绘制出迄今最全面、最精确的人类大脑图谱，其中97个人类大脑皮层区域此前从未描述过，属于首次公布。

神经形态芯片可以直接模拟大脑的行为

配置了微处理器的芯片比传统芯片更像大脑，它模拟了人脑工作的状态

成熟期：还未有重大突破

突破点：电脑芯片的一种替代设计，能够实时模拟大脑处理信息的过程，有助于科学家们制造出能同周围环境实时交互的认知系统，促进人工智能技术发展

重要性：传统芯片已经达到性能极限。

该领域主要参与者：高通（Qualcomm），IBM，HRL实验室（HRL Laboratories），人类脑计划（Human Brain Project）

神经形态芯片的概念，要回溯到几十年前。1990 年，加州理工学院名誉教授 Carver Mead 在一篇论文中给出了它的定义。不过，自从高通开发了一个叫做“先锋”的机器人开始，才被熟知。先锋机器人使用的只是一个智能手机芯片，它模拟了人脑工作的状态，运行了特制的软件而已，它能识别此前未见过的物体，根据相关物体的相似性来分类，将不同的物品放在房间的正确位置。

人脑有几十亿神经元、几千亿个突触，可以同步处理视觉、音频等信号，神经形态芯片在芯片中模拟人脑同步处理多种数据的能力。根据图像、声音或其他信号的变化，神经元可以改变与其他神经元之间的联系。所以说，这些神经形态芯片模拟的是人脑的神经网络，可以实现人脑的部分功能。它们实现了人工智能领域需要几十年才能完成的任务，让机器可以像人一样理解世界、与世界互动。

一些大学和研究机构也在试图实现这些功能，比如说 IBM 实验室和 HRL 实验室。这两家已经花了 1 亿美元来为美国国防部高级研究项目局研发神经形态芯片。此外，欧洲人脑项目联合海德堡大学和曼彻斯特大学的研究者也花了 1 亿欧元来研究神经形态项目。根据 IBM 实验室的研究员 Dharmendra Modha 的描述，这种芯片可以让盲人通过视觉和音频传感器来识别物体，提供音频提示；健康监测系统可以检测生命体征，及早发现潜在的风险，为病人提供个性化的治疗手段。医疗传感器和设备可以追踪病人的生命体征，根据时间采取医疗对策，学会调整药量，甚至可以及早发现病情。

在成本上，高通公司希望产品设计实用性大于性能表现。这也就意味着高通的神经形态芯片依旧是在数字芯片上开发的，这样做比研发模拟芯片更简单，生产更容易。模拟芯片要完成的模拟大脑，而高通的芯片模拟的是大脑的行为。比如，神经形态芯片编程、传输数据的方式模拟大脑处理感官数据处理时的电子脉冲。多年来，科学家们一直在尝试进一步探究神经形态的电路架构，其中的难点就在于如何处理神经元和硅之间的重叠部分——突触以及逻辑门，甚至采用石墨烯等特殊材料来解决这一问题，产品离完全商用还需要时日。

微型3D打印的目标是打印出生物组织

用不同类型材料打印生物零件，大大扩展了打印范围

成熟期：尚不成熟

突破点： 使用多种材料来打印东西，例如用生物组织打印血管

重要性：促进人造器官和新颖的半机器零件产生

该领域主要参与者：Jennifer Lewis（哈佛大学），Michael McAlpine（普林斯顿大学），Keith Martin（剑桥大学）

3D 打印概念现在看来已经很普通，而且打印的材料也仅限于塑料或者合成金属等常见材料，但是如果能够打印细胞、半导体或者其他生物组织，应用宽度又不一样了。

哈佛大学的材料科学家 Jennifer Lewis 是这个行业的领头羊，研究微型3D打印的机制和方法，将物体的功能和形状有效结合在一起。Lewis 和她的学生向外界展示了他们的技术可以打印极小的电极以及微小锂离子电池需要的组件，还可以打印运动员用的塑料贴片，上面包含了多种传感器，可以检测脑震荡，测量其危害程度。令人震撼的是，她的团队打印出了包含复杂血管的生物组织。为了完成这一目标，需要研制出多种类型的细胞“墨水”，以及支撑组织矩阵的基质材料。该技术成功解决了制造用于药物临床测试或人体器官移植的人工组织的一大难题：如何让血管系统中的细胞存活下来。

普林斯顿大学的研究团队成功地打印出了仿生耳朵，结合了生物组织和电子部件；剑桥大学的研究者也打印出了用视网膜细胞组成的复杂眼球组织。那么，到底能够打印多么微小的生物组织呢？Lewis 团队安装了一台配有显微镜的3-D打印机，可以精确打印尺寸小至1微米的结构（人体红细胞约10 微米），这对材料要求也提出挑战，比如细胞在被迫通过印刷喷嘴时是脆弱的并且容易被破坏。 她创造的秘密在于具有允许它们在相同的制造过程中都能被“墨水”打印，每种“墨水”都是不同的材料，但是它们都可以在室温下印刷，而且在压力下从喷嘴喷出时，始终能保持一定形状，有点类似挤牙膏。

在还没有加入哈佛大学之前，Lewis 在伊利诺伊大学研究 3D 打印技术就已经超过 10 年了，她曾经用过陶瓷、金属纳米颗粒、聚合物以及其他非生物材料。能在 3D 打印的人体组织中加入血管是制造人造器官的重要一步。不过很显然，跟细胞打交道真的很复杂，我们离3D打印出功能正常的肝脏或者肾脏，还相距甚远。

液体活检测可以帮助某些癌症的早期筛选

快速的DNA测序，应用于癌症的简单血液测试

成熟期：广泛应用

突破点：血液测试发现早期癌症

重要性：癌症每年在世界各地杀死大约800万人

该领域主要参与者：香港中文大学卢煜明、Illumina、约翰·霍普金斯伯特·沃格尔斯坦（Bert Vogelstein）

卢煜明教授是与无创产前诊断联系在一起的，早在1997年，他的研究小组发现孕妇血浆中存在游离的胎儿DNA，后来直接产生了简单的唐氏综合症检测方法。不仅如此，卢教授正在与世界各地的实验室以及医疗机构竞争，比如约翰·霍普金斯大学，开发基于简单血液检测的癌症（比如患病最多的肺癌，40％的中国肺癌患者在一个基因突变EGFR，这将使他们有机会获得新的靶向药物）筛查技术，即液体活检。

虽然目前通过DNA检测预测患癌的风险成本依然很高，但随着测序技术的不断发展，能够快速解码数百万在血液中松散的DNA短片段，通过与人类基因组的参考图谱进行比较，癌症早期筛查将会变得更加简单、便宜、应用范围更加广泛。液体活检的商业利益最近也呈爆炸式的增长。测序巨头Illumina的CEO Jay Flatley表示，液体活检的市场规模至少达400亿美元。他说这项技术可能是癌症诊断领域最激动人心的突破，并表示Illumina将开始向研究人员提供液体活检试剂盒，帮助寻找癌症的早期症状。

此外，除了用于癌症筛查（目前并不通用于任何癌症），液体活检还可用于帮助人们对抗疾病。医生可以根据驱动癌症发展的特定DNA突变选择对应的药物和治疗方案。癌症病因相当复杂，研究人员必须系统性的了解他们的病例，这样液体活检才能真正的拯救生命。液体活检现在已经被广泛地运用了，尤其是癌症检测之中，但它们对于提高检测质量和疗效的作用目前尚不明确。

利用大脑类器官研究导致精神分裂症、自闭症和癫痫等疾病的原因

人类脑细胞培养的新方法可以揭开痴呆、精神疾病和其他神经系统疾病的奥秘

成熟期：不成熟

突破点：人类干细胞的活体神经元簇，可以在实验室培养

重要性：研究人员需要新的方法来理解脑疾病和测试可能的治疗方法

该领域主要参与者：Madeline Lancaster and Jürgen Knoblich（Institute of Molecular Biotechnology、Rudolph Tanzi and Doo Yeon Kim（马萨诸塞州综合医院） 

实验室培养的脑细胞组织已经很接近在妊娠初期人类胚胎脑细胞的形态了，这为理解大脑的复杂与测试新的治疗方法提供了思路。脑细胞可以从皮肤细胞培养，并且能用于研究老年痴呆症，精神分裂症和癫痫。

在这个行业的典型代表是Institute of Molecular Biotechnology的Madeline Lancaster，她从成年人采取了单个皮肤细胞，通过正确的生化刺激，该细胞可以变成诱导多能干细胞，然后变成神经元。现在科学家可以直接看到活的人类大脑细胞如何发展和工作，以及它们如何受到各种药物化合物刺激或基因修饰的影响。因为这些特定脑细胞直接从干细胞培养成，这样就可以帮助探寻与脑部病变有关的疾病，比如阿尔茨海默病的人的神经元到底出了什么问题。

早在2013年，发表在《自然》杂志上的一项研究中，奥地利科学家成功利用干细胞培育出“大脑类器官”。这些类器官的构成与一个9周或10周大的胚胎的大脑类似。研究人员利用类器官这个模型对神经发育疾病小头畸形进行研究，他们利用一名患有遗传性小头畸形的患者身上提取的细胞培育一些类器官，而后将其与利用健康参与者的细胞培育的迷你大脑进行比较。在利用小头畸形患者细胞培育的类器官中，转化成神经细胞的干细胞数量超过利用健康参与者细胞培育的迷你大脑，最后得出结论，发现小头畸形患者的神经细胞过早分化，可能就是这种疾病背后的机制。

这项技术为理解神经元是如何生长和发挥作用打开了新的窗口，也更加有助于人们理解大脑的基础活动。目前研究人员正在使用“大脑类器官”研究导致精神分裂症、自闭症和癫痫等疾病的原因。

上网搜索DNA数据库，未来将非常方便

数百万基因组的全球网络可能是医学的下一个伟大的进步

成熟期：不成熟

突破点：使DNA数据库共通的技术标准

重要性：数百万其他人的经验将辅助你的医疗方案

该领域主要参与者：Global Alliance for Genomics and Health、谷歌、Personal Genome Project

在技术上，测试人的DNA信息目前已经非常成熟，成本也在逐年下降。全球数百万的基因组网络将可能成为医学领域的下一个伟大进步。但是这究竟能否实现，主要看看人是否愿意分享自己的DNA数据。DNA搭上互联网的好处是，比如癌症患者，未来医生可以根据你的DNA测序结果了解是哪种突变引起了癌症的发生。然后在DNA互联网上搜索拥有相同突变的患者，根据他们的用药记录，辅助医生做出更好的治疗决策。

全球基因组学和健康联盟（Global Alliance for Genomics and Health，GAGH）成立于2013年，是一个由医疗机构、大学和公司等组成的联盟组织，成立的宗旨是促进遗传数据的共享。对该组织而言，目前面临的最大困难不是技术问题，而是社会问题。一方面，科学家拒绝分享遗传数据，另一方面，把一个人的基因组信息放到互联网上也涉及到隐私问题。Haussler是全球基因组学和健康联盟（Global Alliance for Genomics and Health，GAGH）的创始人和技术领导者之一。目前，Haussler和联盟的其他成员正在努力解决这一难题问题。

另外一个问题就是互联网。加州大学生物信息学专家David Haussler说，建立DNA互联网面临的一大问题是，基因组测序很大程度上脱离了信息共享最便捷的工具——互联网。这是非常无奈的。当时，已经有超过20万的人进行了全基因组测序，这个数字在未来几年肯定会大幅上升。未来医学的进步取决于对这些基因组数据进行大规模的比对，但是从现在数据的共享程度来看，许多科学家并没有为这一点做好准备。

免疫工程为癌症的治疗提供了新的思路

经过基因改造的免疫细胞正在拯救癌症病人的生命，而这只是开始

成熟期：1-2年

突破点：经过基因改造的T细胞能够治疗癌症

重要性：通过改造免疫系统，癌症、多发性硬化症和艾滋病等疾病统统可以治愈

该领域主要参与者：Cellectis、Juno Therapeutics、诺华制药

人类免疫系统被称为大自然的“大规模杀伤性武器”。它拥有十余种主要细胞类型，其中包括多种T细胞。它会抵御从未见过的病毒，抑制癌症（尽管并非总是如此），而最主要的，是避免伤及自己的身体组织。它甚至还有记忆功能，而这也是疫苗接种的依据。

T细胞被称为免疫系统中的“杀手细胞”，它们能够在人体内四处移动、能够进行感知探测、并能够杀死其他细胞。科学家们将其从一个人的血液中提取出来，加入新的DNA指令，从而令其能够攻击肿瘤细胞，同时还采用基因编辑方式删除T细胞用以探测外来分子的受体，使其不至于攻击 “非来自自体”的好细胞。当然关于肿瘤细胞和免疫系统之间的对抗关系，虽然不断有新的发现，但是依然没有完全掌握，比如有关巨噬细胞的免疫能力新发现等。

100多年前，美国外科医生威廉·科莱（William Coley）注意到，有时候意外感染会让肿瘤消失。随后，科莱将链球菌培养基注入到癌症患者体内，发现在部分病例中出现了肿瘤收缩的状况。1893年发表的这一发现表明，免疫系统是可以对抗癌症的。基于过去几十年的研究工作，研究人员已经发现了很多重要细节，包括T细胞如何识别和杀灭入侵者等。透过显微镜，我们可以看到这些细胞会展现出类似于动物的行为：爬行，探查，然后抓住另一个细胞，向其注入中毒性颗粒。加利福尼亚大学旧金山分校合成生物学家温德尔·利姆（Wendell Lim）说，“免疫细胞会同其他细胞对话，会释放毒物，可改变微环境，具有记忆功能，并可实现自我增殖。”

不过这并不代表免疫治疗就是万无一失的，比如将T细胞靶向到肝、肺或脑的肿瘤中是非常危险的，而且到目前为止，还没有出现仅攻击癌细胞的轻松方法。目前世界上已有十几家医药公司和生物技术企业，正在努力将这项疗法带入市场。经过基因改造的T细胞，将为糖尿病多发性硬化症和红斑狼疮等自身免疫系统疾病，以及艾滋病等各种传染性疾病带来新生希望。

当然在资本市场今年出现了好几笔大额投资，恐怕再也没有其他行业如此热门了。比如今年1月，朱诺治疗以1.25亿美元的价格收购专注于单T细胞DNA测序的波士顿公司AbVitro。制药公司辉瑞（Pfizer）和施维雅（Servier）宣布它们将以4000万美元的价格收购赛莱克蒂斯开发的T细胞疗法。

DNA应用商店，包含个人基因数据

有了包含个人基因信息的在线商店，你可以更容易了解有关自己所面临的健康风险和患病倾向

成熟期：今年进入成熟期

突破点：DNA测序的一种全新商业模式，将使基因信息可在网上广泛获取

重要性：一个人的基因决定了相当多的东西，包括罹患某种特定疾病的可能性

该领域主要参与者：Helix、Illumina、Veritas Genetics

如果能有一个专门用于存储个人基因库的在线商店，那么人们就能更好的掌握目前所面临的健康风险和疾病倾向，而这项技术在今年就能成熟。我们的基因组中存储着关于潜在健康风险和身体特征的所有信息。然而目前除了血液测试能够提供有限的遗传信息外，并没有什么方法来存储DNA数据。

位于旧金山的Helix公司将推出全球首个面向大众市场的基因信息应用商店。该公司收集客户的唾液样本，对客户基因进行测序和分析，然后将结果数据化，客户可通过应用程序获取自己的DNA信息。公司为所有客户生成和存储这种类型的数据，即使他们最初只做一个特定的遗传查询。Helix公司一次对2万多种基因的分析成本为100美元左右，仅为其他公司的五分之一。这些DNA信息还可出售给其他研发人员。目前Helix正和Illumina公司合作筹建世界上最大的基因测序中心，计划今年或明年推出DNA应用商店。

不过一个迫在眉睫的问题是FDA一直密切关注基因测试，并将决定多少信息Helix应用程序可以向公众收集和展示。梅奥诊所个性化医疗中心主任Keith Stewart说，大多数返回消费者的数据都具有真实医疗信息，可以预测你的癌症几率。Veritas Genetics首席执行官Mirza Cifric说：“底线是这些DNA信息是否真正有用。”自从去年秋天开始，Veritas Genetics也在创建自己的DNA应用商店。