给全国所有新生儿做基因全测序？
稍早前（2021.9），Science 发布了一篇引起笔者很大兴趣的新闻：英国计划给全国所有新生儿做基因组全测序。这个计划可谓雄心勃勃！
如此庞大的计划，幕后推手之一是Genomics England（基因英格兰）公司。
基因英格兰希望在一项涉及多达20万名婴儿的试点研究项目中（pilot project），对婴儿进行全基因组检测（whole genome sequencing, WGS）。虽然其目的是检测儿童罕见疾病的基因，但该项目也会存储基因组数据供日后使用，以便帮助预测药物敏感性和成人疾病（如癌症）的风险。[1]
据调查，5 ~ 7% 的人生而患有罕见疾病。—— 这个比例可能远高于寻常认知，因为大部分与生俱来的疾病有害性不高，或者没有显著到影响患者的生活。
此项计划的好处显而易见：
从健康角度，在出生之初，全面筛查遗传病、罕见病，可以尽早对新生儿进行治疗。
从社会安全角度，杜绝拐卖、医院产房抱错孩子、戴绿帽子养别人孩子、婚外生子无法享受婚内生子同等遗产继承权等。
从科学研究角度，该相关目所积累的超大数据将大大促进利用生物信息学对人体遗传和健康进行理解。
华大集团的全资子公司“华大鉴正”的主营业务就是亲子鉴定，“将司法创新科技成果应用于社会民生，捍卫公平正义”。
坏处也显而易见：
该项目必然挤占现有胎儿和新生儿的重大疾病早筛资源，过度的全基因筛查会显示大量对健康没有（严重）影响的基因突变，没有实际必要。就筛查病而言，孕早期无创基因检测的意义更大。毕竟筛查出重大疾病的新生儿本不必出生。
如此规模浩大的项目一旦实施，高效采集数据、分析数据，以及为新生儿父母提供咨询服务，将成为大难题。也就是说，现下的产业规模还不具备接纳测序每年百万量级新生儿的能力。涉及的相关产业包括：基因测序耗材生产、基因测序服务、基因测序数据存储、基因测序数据分析、基因测序结果咨询等。
法律法规不能及时完善，令保存和使用公民遗传信息存在泄露和滥用的风险。更重要地，在国家安全层面，存在泄露族群规模的数据的风险。这比滴滴涉嫌外泄交通相关数据更危险得多。
就第三点，兹仅举一例：
《港大与国际研究团队发表最大型东亚人群基因外显子组普查揭示崭新血脂及冠心病的基因标记》（2017年11月30日）[2]
”是次研究共邀请了47,532名来自香港、内地、台湾、新加坡、菲律宾等地区的人士参与。研究结果指出：罕有的外显子变异（1）普遍有较大的影响及（2）更易出现於单一族群之中。这亦彰显是次使用外显子芯片於东亚人发现与亚洲人独有而又影响血脂水平的变异之重要性。现有的基因风险评估只依赖欧洲人种的发现作蓝本，而此项研究正好提供一个为亚洲人度身订造并针对血脂水平异常及冠心病基因风险评估的参照。“
百万量级或更多的基因数据，能帮助准确定位基因位点及其功能。国家必须监控基因测序公司，非常谨慎地开放本国人群基因组信息，特别是高通量测序信息。从源头杜绝外国研发针对本国的基因武器的丝毫可能性。
两条新闻联在一起看。
本月中（2021.11），英国公布了含有20万成人的基因组全测序（WGS）的数据库 UK Biobank (UKBB) —— 迄今最大的生物数据库之一。[3, 5]
这项测序工作主要由冰岛的 deCODE 公司完成，Amgen 的子公司，测序费用为2亿英镑。deCODE 有 UKBB 前9个月的优先使用权。目前已有超过90个国家20000名研究者注册等待使用 UKBB。
这个数据库的意义非常大，体现于三方面：[4]
数十万量级的 WGS 数据将令研究者能识别导致疾病发生和进展的罕见的非编码变体（non-coding variants）。
数十万量级的 WGS 数据将加速药物发现，令研究者能识别新的药物靶点，因为业已证明，如果潜在的药物标靶机制有清晰的遗传学证据作支撑，则其药物开发将相对于没有遗传学证据有效2倍。
数十万量级的 WGS 数据将允许对病人进行分组（stratification），将病人细分为更易或者更难应答治疗方案或经历药物副作用的组别，更精准地为不同组别的患者提供医治方案。
美国也有相似的计划和数据库：（1）百万老兵项目（Million Veteran Program, MVP），目前收集了近12.5万参与者的全基因组测序数据（WGS）；（2）跨组学精准医学（Trans-Omics for Precision Medicine，TOPMed），目前收录了 16.1万份WGS。MVP 项目预期将在明年对研究者开放，而 TOPMed 项目的使用者必须获得特殊许可。
先看英国计划的关键数据：
英国2020年新生儿77.1万；
英国计划者希望未来几年内能每年测20万名婴儿，约占全国新生儿的25%；
每名婴儿的基因组全测序费用约900美元，粗约6000人民币。
我国目前每年有约1000万新生儿，即使在未来的若干年，新生人口持续下降，这个数字也有500万～1000万。考虑全基因组测序在中国的价格为约3000元人民币（预期10年内降低至1000元），每年1000万人，每人的全基因组序列占用硬盘存储约 100GB（可大大压缩），则测序费用为每年300亿元，存储空间需要约每年10亿GB（≈ 100万TB ≈ 1000 PB ≈ 1 EB）。作为对比，百度网盘2020年11月发布8周年之际公布2020年用户存储量为1000亿GB；IBM曾估算，在2017年全世界每天新产生的数据量为250万TB。
富裕小国如英国，甚至更小更富者如新加坡，可以相对从容地实施计划；中国则殊为不易，如果要施行，肯定无法在一开始全面铺开，仅能以点带面地渐次推进，在此渐进过程中逐步纠正可能出现的“乱象”，建立法规约束和监管，至少同等重要地，解决资金来源问题 —— 现行医保可能难以负担。
从总资金投入和总数据量衡量，这个计划具备可行性。长期看，如果实行，这项计划将全面引爆所有基因测序公司、医学耗材生产公司，为实现普惠的个人定制化的精准医疗服务铺平道路，同时生物信息学将得到巨大推动，行业人才将变得稀缺而紧俏。
在我国，医疗服务必须普惠。因此，我们要警惕利益相关方，绕过甚至贿买专家委员会，在资金来源不充足、监管方式不清晰、数据泄密风险未消除的当下，在全国人大，强行推动。
2021.9末，牛津纳米孔公司IPO，开盘即大涨45%；基因英格兰联盟美国Illumina，为英国国家卫生部提供基因测序医药服务。
最后。小王本人是支持者：一个人的全基因组信息应该是这个人最根本、最安全、最持久的身份证，而且这个项目兼糅了未来主义科幻色彩和实用主义工业党风格，符合小王的审美。
以上。
2021.11.30 于深圳
参考资料
[1] www.science.org/content/article/sequence-every-newborn-s-dna-despite-obstacles-uk-pushes-ahead
[2] www.med.hku.hk/sc/news/press/hku-and-international-collaborative-research-teams-discover-novel-genetic-markers-for-blood-lipids-and-coronary-artery-disease
[3] www.science.org/content/article/200-000-whole-genomes-made-available-biomedical-studies-uk-effort
[4] www.ukbiobank.ac.uk/learn-more-about-uk-biobank/news/whole-genome-sequencing-data-on-200-000-uk-biobank-participants-available-now
[5] www.biorxiv.org/content/10.1101/2021.11.16.468246v1
>> 分子模拟进入毫秒时代：DE Shaw发布Anton3 快英伟达A100百倍
>> 细分赛道，人皆为王
>> PDB 50年回顾（下四）Wüthrich&蛋白质的核磁共振解析
>> Protein Data Bank 50年回顾与结构生物学发展（上）