《转》访于福利：从科研到基因组学产业实践的理想

  转化医学网：首先，感谢您接受转化医学网的专访，我们了解到其实您在98年的时候就已经离开中国赴美求学，至今为止已经在国外从事了十几年的科学研究，您能不能再详细的为我们分享一下您的学习和科研经历？
  于福利：我是1998年在南开大学完成了生物化学和分子生物学的学士学位，毕业后在美国佛罗里达州立大学化学系的生物化学专业读书，从事酶反应动力学方面的研究。那时国际人类基因组测序项目正如火如荼的开展，而《Science》杂志上发表的第一个通过测序得到的线虫基因组引起我对基因测序的极大兴趣。于是我决定转学到贝勒医学院分子生物学和人类遗传系，师从Richard A. Gibbs教授学习大规模DNA技术和生物信息学分析方法。2002年到2005年间我进入HapMap项目，带领一个研究小组对12号染色体上人群的SNP进行数据生产以及分析。之后又开始GWAS研究，并且因为项目结识了高扬。我的研究兴趣一直围绕遗传病，有一次会议上听到哈佛医学院David Reich的关于通过研究混血人群基因图谱可以简化寻找致病基因的新方法，我觉得这个想法特别睿智！就决定到他的研究小组做博士后研究，因此我的博士后课题非常专注于群体遗传学。2007年我看到同时发在顶级科学研究杂志的三篇外显子组捕获测序的文章，感觉特别振奋，这是我们一直想做的事情呀！我就联系我的博士导师Richard A. Gibbs，当时他正在构想1000 Genomes Project，我们一拍即合，就这样我回到Baylor工作参与1000 Genomes 和 HapMap3项目，以及开始我自己的独立实验室的一系列工作。
  转化医学网：其实我们知道，在过去的这十几年间，生命科学领域发生了翻天覆地的变化，而您的科研项目刚好是这十几年间变化最深刻的基因组测序，那在您做过的这些项目中，有没有哪些成果在您看来是非常具有学术价值和时代意义的？
  于福利：过去这些年我一直在大规模测序基因组中心参与科研项目，这其中给我体会最为深刻的是二代测序对一代测序的颠覆，加之光学系统分辨率快速提高和生物计算的IT 技术的迅猛发展，都大大推动了基因组学研究的进展。其实科学家们早在上世纪八十年代就在思考如何大规模的、高通量的产出数据，并且通过搭建高效的技术平台以及大项目之间的联系，提高研究效率和产出。而我所提及的这些项目都是科学家们根据对科学发展的判断而环环相扣设计出来的。比如Human Genome Project相当于N=1的单个样本项目，HapMap则是确定人群中的主要突变，进而可实施GWAS研究；1000 Genomes Project则进入基因组的细枝末节，寻找罕见的基因多态。这三个项目的成功搭建确定了高通量高效率的研究人类遗传病的框架和方法。我想你也能够感觉到，这是一个系统的，有规划的立体结构，绝非一朝一夕的工作所能体会的，对我来说最大的意义或许就是能够有幸的全面参与到这个科学系统的构建过程中，和许多非常聪明肯干的人一起实实在在做有意义的事。
  转化医学网：随着高通量测序的快速发展，人们对生物信息学的研究也越来越多，我们了解到您研究开发了SNPTools和Atlas2两种生物信息学算法，这可能对很多人来说还比较陌生，能不能详细的为我们介绍一下这两个工具的应用范围和优势？
  于福利：我们知道高通量测序产生非常大量的数据。我们需要用到生物信息学的计算方法对这些数据进行解释。SNPTools和Atlas2就是两种计算工具，二者的差别主要体现在应用范围上。Atlas2针对小量样本或单个样本检出SNP和Indel，并且我的团队已经将Atlas2的各种参数调试的比较完美，所以贝勒医学院也在使用Atlas2进行医学检验的数据分析。SNPTools则针对至少100个以上的样本量，采用比较复杂的统计遗传学算法，更多的考虑了计算资源和效率，还顾及到整个群体遗传学的进程信息。我们做1000 Genomes，甚至CHARGE这种上万样本的项目就使用SNPTools。
  转化医学网：说到这里，我们可能会很自然的联想到当下特别火的两个词：“大数据”和“云计算”，从您的角度来看，基因测序与大数据、云计算的结合，将对临床转化医学产生怎样的影响？
  于福利：云计算是一个技术角度的词汇。把计算放在一个集群中，而集群处在公共平台中。高通量测序产生的大量数据需要一个强大的数据处理、分析和存储平台。云计算可以保证一个医学实验室，甚至是办公室在不需要很强终端的条件下完成所有工作，只要你所在的环境下有WIFI或手机信号，那么实验数据处理、分析、存储都可以在远处的集群中完成。这赋予临床医学很大的灵活度。医生的远程医疗、会诊都能方便完成。数据源源不断的被采集进入云端后，就可以在后台分析并推送到终端，实现对用户的服务。在这方面国内和美国目前是处在同一起跑线的。
  转化医学网：正如您刚才所说，其实生物信息学的发展可以说进入了一个全新的时代，而您在这个行业里可以说是经验丰富，是什么原因促使您选择到贝瑞和康的平台上来进一步发展？
  于福利：我做这个决定非常慎重。在没有取得更多证据证明贝瑞和康一定会成功之前，我采取了“take a leap of faith”的态度，而我的faith主要来于以下几点：一是我与贝瑞和康创始人中的周代星和高扬相识已久，我们每次见面谈话的内容40%是公司发展情况，另外60%着重于科研和技术的话题，我非常认同他们脚踏实地的为人方式和学者式的思维模式；二是我也希望能够将我做大项目的经历和对大数据的工作热情在中国得到发挥，如果我个人的知识和经验可以对于中国的测序行业，乃至健康产业产生推动作用，我会非常兴奋；三是我认同贝瑞和康发展方向，贝瑞和康希望通过使用世界前沿的技术实现“诊断”方法的建立，这也是我一直追求的技术转化方向，因此我相信我们可以一起愉快的工作。
  转化医学网：我们知道其实贝瑞和康是专注于将测序技术应用于临床检测的一家公司，而今年中国政府在精准医疗方面释放出的积极信号，让贝瑞和康成为精准医疗概念中非常具有代表性的公司之一，那么从您的专业角度来看，未来在推动精准医疗计划的过程中，还有哪些工作需要努力和探索？
  于福利：在奥巴马推广精准医疗概念之前其实是Personalized，我们也叫它个体化医疗。“个体”当然是“群体”的一个相对概念。按照这个思路理解，不论在科研还是产业上，前期必须要有足够大的样品数量才能做到Personalized。Personalized和Precise（精准的）之间的细微差异是后者需要证据充分支持一个诊断或治疗的方案，这就回到了之前提到的大量样本产生的大量数据。因此我们需要依靠云计算、大数据的支撑对个体进行分析，结合临床上的影像学、代谢物、DNA\RNA诊断及一些生理指标诊断，才能断言一个诊疗方案是否precise。
  贝瑞和康的优势则在于能够极其精准的检测出痕量DNA和RNA，并在此基础开发出整套的、易于临床操作的医学检测项目。而且我看到贝瑞和康正在积极探索大数据之路，这将推动测序数据的快速分析。对于用户来说，最直接的体验就是更简单、更快速的出具检测报告。总之，我相信基于云计算和大数据的精准微量分子检测是精准医疗发展的大趋势。

  附：于福利简介
  北京贝瑞和康生物技术有限公司首席生物信息官，分子生物学和人类遗传学博士。曾就读于贝勒医学院分子生物学和人类遗传学系，并在哈佛大学医学与群体遗传学从事博士后工作。在加入贝瑞和康前任职于贝勒医学院人类基因组测序中心，致力于大规模人类基因组学研究和基于云计算的生物信息学分析领域。曾参与包括HapMap、1000 Genomes Project、CHARGE等重大国际人类基因组项目，在《Nature》、《Science》等一流学术期刊发表30余篇研究文章。于福利教授带领团队开发的Atlas2和SNPTools生物信息算法被应用于诸多大型基因组项目，其中Atlas2是贝勒医学院临床实验室外显子分析的重要技术支撑。于福利教授的研究课题始终与人类基因组和遗传病相关，并致力于将技术成果向临床应用转化，是生命科学领域杰出的青年科学家。（转化医学网360zhyx.com）