基因測序行業(yè)在近二十年的時間里，發(fā)生了巨大的變化，其中一個最讓人吃驚的變化是它的測序成本大幅下降。2001年，人類基因組完成測序，耗資

基因測序行業(yè)在近二十年的時間里，發(fā)生了巨大的變化，其中一個最讓人吃驚的變化是它的測序成本大幅下降。2001年，人類基因組完成測序，耗資高達(dá)30億美元，而現(xiàn)在成本降至1000美元，隨著時間的推移，甚至有可能降低到100美元以下。

如此幅度的成本下降，意味著大規(guī)模人群采用的條件已經(jīng)初步具備。那問題來了，就算是價格普通人可以負(fù)擔(dān)，但對于人們來說，為什么要去做基因測序?目前看有幾個好處：一是便于更好做疾病診斷;二是做疾病的提前預(yù)防，通過基因測序發(fā)現(xiàn)患某些病的概率較高，可以提前采取措施。如好萊塢明星安吉麗娜·朱莉進行基因測序之后，發(fā)現(xiàn)自己有易患乳腺癌的基因，因此采取措施提前切掉乳腺。(當(dāng)然，從科學(xué)角度，這并不是說一定需要采取這樣的措施，或者采取這樣的措施之后就一定能解決問題，僅目前來說，這里提供了一個可供選擇的預(yù)防方案。);三是有助于創(chuàng)建個性化治療方案。

這是從普通個人來說的直接好處，從行業(yè)發(fā)展的角度，或者從整體人類利益的角度，如果通過某種方式，能實現(xiàn)把基因組數(shù)據(jù)共享給研究者，這對研究人員找出規(guī)律，提供個性化保健方案、治療方案或研發(fā)新藥等都有幫助。

如果實現(xiàn)了基因組數(shù)據(jù)共享，這里有機會誕生一個數(shù)十億美金以上的基因組數(shù)據(jù)市場。不管是基因組數(shù)據(jù)的所有者、還是基因組數(shù)據(jù)的需求方，都會從中獲益。

那么，如何來創(chuàng)建基因測序的交易市場?它需要解決哪些問題才有機會真正創(chuàng)建?這就是本文試圖闡述的地方。

本文以Nebula Genomics為案例進行闡述。這也是藍(lán)狐筆記最近關(guān)注的一個試圖通過借助區(qū)塊鏈技術(shù)和模式來創(chuàng)造基因測序市場的案例。

NebulaGenomics：創(chuàng)造基因測序市場的夢想

Nebula Genomics為了推動基因測序行業(yè)的發(fā)展，試圖在多個方面進行探索。

首先是Nebula Genomics要繼續(xù)推動基因測序成本的顯著降低，唯有如此，才能讓更多普通老百姓參與進來，參與的人越多，意味著基因組的數(shù)據(jù)越多。

其次，大多數(shù)人對新事物，尤其是基因測序這樣涉及個人隱私和安全的事情會比較在意，也會有疑慮，如果不能解決普通人的擔(dān)憂，那么，即使價格便宜，也會遇到走向主流人群采用的障礙，所以，Nebula Genomics會優(yōu)先考慮提高基因組數(shù)據(jù)的安全和保護。

最后，這個行業(yè)存在著基因組數(shù)據(jù)的明顯需求者。但是，目前這些需求者能夠得到的基因組數(shù)據(jù)少之又少。Nebula Genomics也希望讓基因組數(shù)據(jù)的買家能夠更有效率獲取更多的數(shù)據(jù)。

基于以上明晰的思路，Nebula Genomics試圖通過區(qū)塊鏈技術(shù)來解決問題，以一種去中心化、加密的方式來達(dá)成目標(biāo)。

基因組數(shù)據(jù)交易市場為什么有機會？

先來看看什么是基因組數(shù)據(jù)。藍(lán)狐筆記參考了相關(guān)基因組資料，先給大家簡要分享關(guān)于基因組數(shù)據(jù)的基本概念。

DNA(脫氧核糖核酸)是一種鏈狀分子，它編碼每個生物體藍(lán)圖。DNA由四個構(gòu)建塊組成，其鏈狀分子的長度可變。DNA的構(gòu)建區(qū)塊由字母表示，包括A(腺嘌呤)、T(胸腺嘧啶)、C(胞嘧啶)、G(鳥嘌呤)。細(xì)胞中發(fā)現(xiàn)的DNA總數(shù)稱之為它的基因組?；騽t是DNA的序列，它可以編碼蛋白質(zhì)生產(chǎn)指令，是多功能的分子機器。人類的基因組大約有64億個字母。人類基因組中的大多數(shù)功能序列還是未知世界。

那么，為什么要對DNA進行測序？

科學(xué)家在研究過程中發(fā)現(xiàn)了DNA的功能和結(jié)構(gòu)，他們試圖通過讀取更多的DNA序列，研究它們，找出規(guī)律。前面也提到，一開始基因測序成本很高，幾乎不可能用于主流人群。但，該領(lǐng)域的技術(shù)發(fā)展迅速。新一代的測序機器可以實現(xiàn)對數(shù)億分子的并行讀取。新技術(shù)的進步讓DNA測序成本極速下降。另外，通過蛋白質(zhì)編碼基因組區(qū)域的靶向測序也利于降低成本。

目前市面上也有不少的個人基因測序公司，比如Ancestry和23andMe公司。兩家公司使用基于DNA微陣列的基因分型來實現(xiàn)基因檢測。不過它不是對連續(xù)的DNA序列進行測序，而是以大致規(guī)律的間隔來識別單個字母。它們采用的方法無法全面識別字母，它們目前產(chǎn)生的數(shù)據(jù)對于基因組數(shù)據(jù)擁有者和研究者來說，價值相對有限。

從全基因測序數(shù)據(jù)中，個人可以全面了解個人基因組成。研究者也能在更多數(shù)據(jù)中，不斷更新迭代研究結(jié)果。全基因測序數(shù)據(jù)對研究人員價值更大。比如說，全基因測序是鑒定非編碼DNA變體的唯一方法。在現(xiàn)實中，超過90%的臨床重要的DNA部分都落在非編碼區(qū)域。這也意味著，全基因測序有可能是發(fā)現(xiàn)治療靶標(biāo)的主要手段。目前來看，測序模式對于微陣列的基因分型模式，有它的優(yōu)點之處。如果能在實踐中證明更有效，那么，它在基因組市場上，會產(chǎn)生很重大的影響。

對于個人來說，好處是什么？

前文也簡要提及了基因組測序?qū)€人的可能潛在好處。下面更詳細(xì)地闡述其好處。

地球上任何兩個人的基因組中有99.9%是相同的。而剩余的0.1%則決定了每個人的差異。0.1%的差異中有超過400萬的基因變體，這些變體產(chǎn)生了人與人之間的不同，包括身體特征、性格以及疾病傾向。

這也就是說，如果完成每個人的全基因測序，就可以找出每個人獨一無二的地方。它可以為健康相關(guān)的事情做出最佳選擇，包括減肥、鍛煉、醫(yī)療、生育等。如果一旦成為現(xiàn)實，這意味著個性化的精確醫(yī)療保健時代成為可能，可以根據(jù)每個人的基因組特性，提前做好預(yù)防措施。

醫(yī)療處方上來看，F(xiàn)DA批準(zhǔn)的藥物中，有超過7%的藥物會受基因變體的影響，導(dǎo)致一些患者會出現(xiàn)對藥物產(chǎn)生不良反應(yīng)。如果有了全基因測序，醫(yī)生可以向患者開出更合適的藥物和更合適的劑量。比如有一種藥物叫warfarin，它是一種常用的血液稀釋藥物，但它可能會導(dǎo)致部分患者內(nèi)部出血，這部分患者往往是攜帶了增強其血液稀釋效應(yīng)的基因變體。

預(yù)防性治療來看，大約有2%的人在高度“可操作的”基因中攜帶早發(fā)性致病變異體。這些基因跟存在治療的病理相關(guān)，可能改變個體的結(jié)果。比如，BRCA1和BRCA2基因的突變會顯著增加乳腺癌和卵巢癌的風(fēng)險。從預(yù)防性的角度，它會建議具有這些基因變異的婦女經(jīng)常接受篩查。

對于大多數(shù)人來說，基因變體中攜帶有致命性的變體不多，但仍有問題。比如脂肪肝疾病影響了8000萬美國人，但它有時候很難被發(fā)現(xiàn)，超過50%的人口基因變異增加脂肪肝并發(fā)癥的風(fēng)險。

優(yōu)生優(yōu)育方面來說，兩位計劃生孩子的父母可以進行基因測序，以此發(fā)現(xiàn)他們生下來的孩子可能的健康情況。通過父母雙方遺傳的疾病相關(guān)的變體，導(dǎo)致后代的患病風(fēng)險。目前看，全世界的5%人口中患有遺傳性疾病，這些絕大多數(shù)病癥都從上一輩遺傳來的。這些都是可以通過全基因測序進行檢測。

減肥方面，目前已經(jīng)發(fā)現(xiàn)基因變體會影響減肥策略的有效性。這意味著，不同人有不同的有效減肥策略，可以根據(jù)不同人的基因變體制定個性化的減肥方案。

體育鍛煉方面，基因變體也與體育成績相關(guān)，包括耐力、肌肉量、運動受傷風(fēng)險等。比如，韌帶撕裂的風(fēng)險跟膠原蛋白基因的變體相關(guān)，對于某些基因變體的人來說，拳擊等運動中的頭部擊打會顯著增加腦部疾病的風(fēng)險。這也意味著，不同的基因變體，對于不同人的運動機能影響是不同的。

這也就能理解，為什么在運動場上，有些人可以長達(dá)十年以上的持續(xù)高水平，如足球場上的梅西，而還有些人則是玻璃體質(zhì)，雖然天賦很高，但容易受傷。其中部分原因也跟每個人的基因變體相關(guān)。如果進行了基因變體的測序，一是可以測試個體有沒有持續(xù)的競技水平可能，二是也可以針對性的進行預(yù)防和改善。

最后一個是基因編輯方面。基因工程首先要鑒定出導(dǎo)致身體特征和疾病易感性的基因變體。然后在此基礎(chǔ)上進行基因組的編輯。比如，讓肌肉生長抑制素基因失去活力有可能可以治愈退化肌肉疾病。

從產(chǎn)業(yè)需求來看，產(chǎn)業(yè)為什么有這么強的動力來獲取基因組數(shù)據(jù)和表型數(shù)據(jù)？

研究人員和生物公司、制藥公司都受制于基因組數(shù)據(jù)缺乏、數(shù)據(jù)質(zhì)量低、數(shù)據(jù)采集效率低、數(shù)據(jù)獲取成本高等因素影響。

基因組數(shù)據(jù)的可用性還很低。原因是因為目前的數(shù)據(jù)樣太小，很少有人做過全基因組的測序。如果沒有大的基因組數(shù)據(jù)集，就比較難建立基因變體和性狀之間的關(guān)聯(lián)性。不僅是數(shù)據(jù)，還需要通過機器學(xué)習(xí)來研究，比如深度學(xué)習(xí)，通過大量的模型訓(xùn)練，獲得真正有意義的結(jié)果。目前看，基因組學(xué)領(lǐng)域還很難獲得AI學(xué)習(xí)所需的足夠數(shù)據(jù)量。

表型數(shù)據(jù)是指包括所有個人特征在內(nèi)的信息，也包括病史等。表型數(shù)據(jù)和基因組數(shù)據(jù)一起用來鑒定基因變體和性狀之間的關(guān)聯(lián)。但目前來看，表型數(shù)據(jù)有幾個問題：一是數(shù)據(jù)需求方對隨機數(shù)據(jù)集不感興趣，而對具有特定表型的個體數(shù)據(jù)集感興趣，而是數(shù)據(jù)購買者會從有某些表型特征的個人中獲取數(shù)據(jù)。其次，基因組數(shù)據(jù)的擁有者需要有意愿來提供表型數(shù)據(jù)，沒有表型數(shù)據(jù)，只有基因組數(shù)據(jù)就沒多大作用。最后，目前收集的表型數(shù)據(jù)質(zhì)量不穩(wěn)定，通過中間人收集存在問題。

從數(shù)據(jù)采集看，效率低下。目前現(xiàn)狀是，制藥和生物技術(shù)公司從一些非營利或營利組織獲取基因組的數(shù)據(jù)。但整個購買流程效率低下，很難滿足需求。一是數(shù)據(jù)采購流程沒有自動化，需要簽訂合同、付款、傳輸數(shù)據(jù)等，這些人工勞動對數(shù)據(jù)采集來說，不夠高效。二是，不同來源的基因組和表型數(shù)據(jù)通常采用不同的數(shù)據(jù)格式編碼，這讓標(biāo)準(zhǔn)化不同數(shù)據(jù)集變得非常耗時。這些問題都是生物和制藥技術(shù)公司頭疼的問題。

基因組大數(shù)據(jù)還不是真正的大數(shù)據(jù)，很難用作機器學(xué)習(xí)，也不利于后續(xù)的研究發(fā)展。據(jù)估計，目前人類完成基因測序的人口才100萬人，0.02%的人口都不到。即便如此，由于單個人的基因測序通常會產(chǎn)生很大的數(shù)據(jù)量，大約能達(dá)到200千兆字節(jié)，必須使用計算密集型計算處理。這意味著如果未來有上億人口進行基因測序的話，會面臨很大的挑戰(zhàn)。一是需要大量的存儲空間來存儲基因組的數(shù)據(jù);二是網(wǎng)絡(luò)傳輸?shù)乃俣纫矔?shù)據(jù)共享造成困難;三是基因組大數(shù)據(jù)的處理和分析需要大量的算力支持。

Nebula網(wǎng)絡(luò)存在的目的就是要解決以上的問題。

Nebula模式重塑基因測序行業(yè)

Nebula模型跟傳統(tǒng)模式完全不同。它試圖通過去中心化的模式來重塑基因測序行業(yè)，它構(gòu)建的基因組數(shù)據(jù)交易市場，在數(shù)據(jù)掌控權(quán)、數(shù)據(jù)的隱私和安全保護、經(jīng)濟體系、大數(shù)據(jù)的準(zhǔn)備等方面都有自己的解決方案。

(傳統(tǒng)模式)

首先是數(shù)據(jù)的控制權(quán)和安全保護。

(Nebula模式)

在傳統(tǒng)的基因測序行業(yè)的商業(yè)模式中，人們不僅給基因測序公司付費以獲取分析結(jié)果，同時，這些公司還會把這些基因組數(shù)據(jù)進行二次獲利，把它們賣給需要這些數(shù)據(jù)的制藥和生物技術(shù)公司。

Nebula模式則不同，個人付費給測序服務(wù)提供者之后，測序的數(shù)據(jù)歸個人所有(將來測序儀器如果便宜，個人也可以自行測序)。生物和制藥技術(shù)公司如果要獲得基因測序數(shù)據(jù)，必須向用戶購買，而不是向之前的測序公司購買。這改變了基因測序數(shù)據(jù)的歸屬權(quán)問題。

同時基因測序數(shù)據(jù)還通過Nebula網(wǎng)絡(luò)獲得保護。個人的數(shù)據(jù)由個人存儲，包括個人基因測序和表型數(shù)據(jù)。數(shù)據(jù)所有人控制訪問的權(quán)限。此外，Nebula還使用英特爾的軟件保護擴展(SGX)和同態(tài)加密對共享數(shù)據(jù)進行加密和安全分析。

為了保護個人的隱私，在數(shù)據(jù)的買賣過程中，數(shù)據(jù)所有者是匿名的，而數(shù)據(jù)購買者必須是透明的。所有的數(shù)據(jù)交易記錄都不可變地存儲在Nebula區(qū)塊鏈中。

其次，token模式而非法幣模式。

在傳統(tǒng)的模式中，個人向基因測序公司支付法幣以獲得測序結(jié)果，生物和制藥技術(shù)公司也是向基因測序公司支付法幣以獲得研究數(shù)據(jù)。

而Nebula的token經(jīng)濟模式中，形成了Nebula內(nèi)部的一套經(jīng)濟體系。

從上圖可以看到Nebula的token主要用于內(nèi)部經(jīng)濟體系的循環(huán)。個人在Nebula測序的設(shè)施中獲得個人的基因測序服務(wù)，需要用Nebula代幣支付，而生物和制藥技術(shù)公司也需要用Nebula代幣來購買基因組數(shù)據(jù)和表型數(shù)據(jù)。

從這個模型中，Nebula代幣的價值增長主要根源于整個Nebula網(wǎng)絡(luò)的增長。它通過降低測序成本，吸引更多個體加入測序，而同時行業(yè)的需求也在增加，進一步降低測序成本。而隨著基因組數(shù)據(jù)的增加，能夠給用戶帶來更多的好處，比如疾病預(yù)防、減肥、生育管理等，這會進一步提升對基因組數(shù)據(jù)和表型數(shù)據(jù)的需求。而這個Nebula的經(jīng)濟體系中，流通的是Nebula代幣，這個代幣的價值會隨著Nebula網(wǎng)絡(luò)整體價值的提升而增加。

再次，基因測序成本更低。

Nebula通過提供基因測序數(shù)據(jù)交易市場極大降低測序成本。為什么這么說?一是沒有基因測序數(shù)據(jù)的個人可以加入Nebula網(wǎng)絡(luò)支付token后獲得測序數(shù)據(jù)。由于生物和制藥技術(shù)公司對有表型的個體感興趣，這樣，這些公司可以提供補貼，降低基因測序成本。同時，隨著參與測序的機構(gòu)越多，需求也越大，也許某一天，用戶可以免費獲得基因測序的服務(wù)。同時，已有基因測序數(shù)據(jù)的用戶也可以通過加入Nebula網(wǎng)絡(luò)進行數(shù)據(jù)的售賣獲得收益。

第四，數(shù)據(jù)采集效率更高。

Nebula網(wǎng)絡(luò)通過基因測序市場推動用戶測序的意愿。尤其是它對用戶的疾病預(yù)防、減肥、優(yōu)生優(yōu)育等方面都有潛在的積極意義。這導(dǎo)致用戶加入測序的意愿大增。

同時，通過Nebula網(wǎng)絡(luò)還可以解決數(shù)據(jù)孤島的問題。它通過去中心化的私有數(shù)據(jù)存儲方式來解決數(shù)據(jù)碎片化問題。所有擁有基因組數(shù)據(jù)的個人或組織都可在Nebula網(wǎng)絡(luò)上提供數(shù)據(jù)，同時保留數(shù)據(jù)的所有權(quán)。

另外，數(shù)據(jù)需求方和提供者可以直接聯(lián)系，能夠有針對性獲得高質(zhì)量的表型數(shù)據(jù)?；贜ebula的智能合約的調(diào)查工具可以幫助數(shù)據(jù)購買者更高效的獲取目標(biāo)數(shù)據(jù)。Nebula網(wǎng)絡(luò)會提供基因組和表型數(shù)據(jù)的標(biāo)準(zhǔn)格式。最后，智能合約的有效應(yīng)用，也會促進數(shù)據(jù)采購的加速，自動簽署合同，自動付款和傳輸數(shù)據(jù)，這都會讓比原來的人工過程高效很多。

最后，可為大數(shù)據(jù)爆發(fā)做好準(zhǔn)備。

鑒于基因組數(shù)據(jù)非常龐大，通過讓數(shù)據(jù)所有者存儲自己的數(shù)據(jù)，解決了中心化數(shù)據(jù)存儲的問題。Nebula計劃使用可用的邊緣網(wǎng)絡(luò)存儲空間。此外，為了便于數(shù)據(jù)需求者計算基因組數(shù)據(jù)，Nebula還引入特定的數(shù)據(jù)編碼格式，也方便基因組數(shù)據(jù)在網(wǎng)絡(luò)上快速傳輸。數(shù)據(jù)需求者可方便利用支持英特爾軟件保護擴展(SGX)的任何計算硬件資源，他們可以在Nebula Genomics提供的計算節(jié)點、買家自己的節(jié)點或其他第三方節(jié)點上分析數(shù)據(jù)。

Nebula網(wǎng)絡(luò)：Blockstack平臺與Nebula區(qū)塊鏈

Nebula網(wǎng)絡(luò)建立于Blockstack平臺和以太坊驅(qū)動的Nebula區(qū)塊鏈上。那么，Nebula網(wǎng)絡(luò)由哪些節(jié)點組成?它的基因組數(shù)據(jù)是怎么來的?基因組測序數(shù)據(jù)是怎么處理的?又是如何存儲的?如何保證隱私和安全的?測序數(shù)據(jù)和表型數(shù)據(jù)的交易記錄會記錄在哪里?它后續(xù)會不會把測序過程也實現(xiàn)去中心化?

這些問題都是構(gòu)建真正可落地的基因組數(shù)據(jù)交易市場的重要問題。

(Nebula網(wǎng)絡(luò))

首先來看Nebula網(wǎng)絡(luò)的節(jié)點。

Nebula網(wǎng)絡(luò)包括數(shù)據(jù)所有者節(jié)點、數(shù)據(jù)購買者節(jié)點、安全計算節(jié)點、Nebula服務(wù)器。數(shù)據(jù)所有者節(jié)點包括兩部分主體，一是想要共享基因組數(shù)據(jù)和表型數(shù)據(jù)的個人，二是擁有基因組數(shù)據(jù)庫的組織。

數(shù)據(jù)購買者節(jié)點一般是制藥和生物技術(shù)公司。他們會使用Nebula代幣從數(shù)據(jù)所有者中購買基因組和表型數(shù)據(jù)，并分析安全計算節(jié)點上的數(shù)據(jù)。完全計算節(jié)點運行Arvados生物信息開源平臺以計算基因組數(shù)據(jù)。安全計算節(jié)點可以由Nebula Genomics，數(shù)據(jù)購買者或其他第三方操作。

Nebula服務(wù)器處理主要是處理Nebula測序設(shè)施中生成的測序數(shù)據(jù)，同時驗證來自外部的基因組數(shù)據(jù)，驗證數(shù)據(jù)購買者的身份。

其次，Nebula網(wǎng)絡(luò)的基因組數(shù)據(jù)是怎么來的？

Nebula測序設(shè)施預(yù)計使用下一代的DNA測序技術(shù)。新一代測序技術(shù)會產(chǎn)生數(shù)十億的約250個字母的短讀數(shù)。一個人的基因測序文件大概約10個測序讀數(shù)，大小達(dá)到150~200千兆字節(jié)左右。Nebula Genomics計劃與Veritas Genetics合作測序。通過與Veritas合作，Nebula Genomics可以符合監(jiān)管，也不用擔(dān)負(fù)“得到認(rèn)證的DNA測序設(shè)施”的相關(guān)運營成本。

除了使用Nebula測序設(shè)施產(chǎn)生的基因組數(shù)據(jù)，其他來源的數(shù)據(jù)也可以在Nebula網(wǎng)絡(luò)上出現(xiàn)。比如數(shù)據(jù)所有人使用Nebula的工具將它的數(shù)據(jù)轉(zhuǎn)為基因組拼塊格式。Nebula服務(wù)器會驗證數(shù)據(jù)的真實性。數(shù)據(jù)所有者也需要提供真實性的證據(jù)。另外，在Nebula網(wǎng)絡(luò)上提供基因組數(shù)據(jù)集的組織則需要Nebula Genomics的工作人員的驗證。同時，數(shù)據(jù)所有者也可選擇在未經(jīng)驗證情況下提供數(shù)據(jù)，由市場買家來決定是否愿意為這一類數(shù)據(jù)付費。

除了基因組數(shù)據(jù)之外，為了發(fā)揮數(shù)據(jù)的作用，也需要表型數(shù)據(jù)的配合。而表型數(shù)據(jù)的生成主要依賴于向數(shù)據(jù)所有者發(fā)布調(diào)查問卷。通過調(diào)查問卷反饋提供該個體的癥狀、處方藥物和診斷等。Nebula也在參與跨數(shù)據(jù)庫的表型數(shù)據(jù)標(biāo)準(zhǔn)相關(guān)工作。

再次，Nebula基因組數(shù)據(jù)是怎么處理的？

當(dāng)前在Nebula網(wǎng)絡(luò)上產(chǎn)生的測序數(shù)據(jù)將在Nebula服務(wù)器上處理。首先將測序讀數(shù)參考人類基因組，對比后重建基因組序列，之后標(biāo)識出基因變體。同時，為了實現(xiàn)快速傳輸，變體的編碼列表需要考慮節(jié)省空間。編碼方案還需要考慮支持有效計算，尤其是支持機器學(xué)習(xí)。Nebula將采用基因組拼接的編碼方案。

基因組被分成重疊的可變長度序列，每個拼接塊都由所包含測序的哈希摘要代表。所有拼塊位置中的拼塊變體都收集在拼塊庫中。它們會隨著新基因測序和新變體的發(fā)展不斷增加。個體基因組由測序的哈希數(shù)組代表。這些哈希數(shù)組會轉(zhuǎn)移到數(shù)據(jù)所有者節(jié)點，之后可共享給數(shù)據(jù)的需求者。這樣做的好處是可以實現(xiàn)快速的網(wǎng)絡(luò)傳輸，因為個體的基因組通過哈希數(shù)組來代表，大小只有10兆字節(jié)。

另外測序讀數(shù)文件也會傳輸給數(shù)據(jù)所有者節(jié)點，文件很大，約有150到200千兆字節(jié)，但只需從Nebula服務(wù)器傳輸過去，一次即可。這些數(shù)據(jù)不會跟買家共享。一旦文件傳輸完成，所有數(shù)據(jù)會從Nebula服務(wù)器中刪除。

第四，基因組數(shù)據(jù)和表型數(shù)據(jù)是怎么存儲的？

數(shù)據(jù)存儲和訪問的控制會使用Blockstack平臺，平臺也可以構(gòu)建去中心化應(yīng)用。Blockstack存儲系統(tǒng)允許用戶選擇自己的存儲提供商，比如Dropbox，并管理其對數(shù)據(jù)的訪問。

Blockstack也支持?jǐn)?shù)據(jù)發(fā)現(xiàn)，可實現(xiàn)表型注冊表。數(shù)據(jù)需求方可以查詢數(shù)據(jù)所有者節(jié)點，瀏覽過去的調(diào)查，識別參與過特定調(diào)查問卷的數(shù)據(jù)所有者。

由代表個人基因組的哈希數(shù)組引用的拼塊庫會存儲在公共的存儲中，比如IPFS或BitTorrent。所有Nebula網(wǎng)絡(luò)上的節(jié)點都能夠訪問拼塊庫。尤其是，計算節(jié)點進行數(shù)據(jù)分析時訪問拼塊庫。

第五，基因組數(shù)據(jù)如何實現(xiàn)安全計算的？

Nebula網(wǎng)絡(luò)目前使用Arvados生物信息開源平臺來處理和管理基因組和表型數(shù)據(jù)。這個平臺主要是為基因組和其他大規(guī)模生物醫(yī)學(xué)數(shù)據(jù)設(shè)計，包括IBM Watson等在內(nèi)的不少大型機構(gòu)客戶也在使用。同時，為了安全計算，Arvados在適用于安全計算節(jié)點上的英特爾軟件保護拓展(簡寫是SGX)區(qū)域內(nèi)運行。

SGX是一組指令代碼，可以擴展英特爾x86架構(gòu)，并允許專用內(nèi)存區(qū)域的創(chuàng)建。其中代碼和數(shù)據(jù)是隔離的，并受到外部處理的保護。總之，英特爾軟件保護擴展(SGX)允許不受信任的第三方對私有數(shù)據(jù)進行安全的遠(yuǎn)程計算。它實現(xiàn)了安全計算，同時這些計算比同態(tài)加密數(shù)據(jù)計算和安全多方計算的效率要高。

此外，通過將SGX與同態(tài)加密的混合，可以加速特定的計算。在Nebula網(wǎng)絡(luò)中，數(shù)據(jù)所有者使用安全計算節(jié)點進行加密和共享個人基因組和表型數(shù)據(jù)。

不少生物信息計算的第一步是生成列聯(lián)表，包含基因組變體計數(shù)和相應(yīng)表型。列聯(lián)表計算僅需加法運算，可以使用加性同態(tài)加密方案執(zhí)行計算。首先，每個數(shù)據(jù)所有者節(jié)點使用加性同態(tài)加密方案加密值1或0，表示基因組變體存在或不存在。之后，計算節(jié)點會對SGX專用內(nèi)存區(qū)域之外的所有加密值求和。加密的求和可以在SGX專用內(nèi)存區(qū)域內(nèi)進行解密，執(zhí)行進一步計算。因此，加性同態(tài)加密可以將解密數(shù)量減少至一個。

由于使用SGX有兩個主要缺點。一是必須仔細(xì)設(shè)計軟件以實現(xiàn)在SGX專用內(nèi)存區(qū)域內(nèi)部運行，同時不會把私有數(shù)據(jù)泄漏。二是所有計算必須在英特爾CPU上執(zhí)行，意味著計算不能用GPU加速。但后續(xù)的機器學(xué)習(xí)，需要從GPU加速中獲益。

為解決這個問題，Nebula采用了SGX專用內(nèi)存區(qū)域和GPU加速計算中的數(shù)據(jù)保護混合方法。數(shù)據(jù)會在SGX專用內(nèi)存區(qū)域中聚合和預(yù)處理，但是計算密集型的計算會在SGX專用內(nèi)存區(qū)域之外的GPU執(zhí)行。SGX專用內(nèi)存區(qū)域的預(yù)處理通過三種方式來保護數(shù)據(jù)的隱私。一是所有數(shù)據(jù)完全匿名化，SGX預(yù)處理隱藏輸入數(shù)據(jù)的來源。二是只聚合數(shù)據(jù)匯總，比如列聯(lián)表。哈希數(shù)組編碼所有基因組，它們不會被暴露出來。三是隨機噪聲會添加進入數(shù)據(jù)，以增強安全。

SGX-GPU混合模型的還有一個好處是Arvados的復(fù)雜性可以保持在SGX專用內(nèi)存區(qū)域之外。這會極大減少工程量。

第六，Nebula網(wǎng)絡(luò)提供賣家隱私保護

以太坊區(qū)塊鏈為數(shù)據(jù)所有者節(jié)點提供一定程度匿名保護。網(wǎng)絡(luò)地址是加密標(biāo)識符，與任何個人信息無關(guān)。此外，對于買方需要進行驗證。從基因組數(shù)據(jù)的所有者角度，他們都想知道自己的數(shù)據(jù)賣給了誰，他們是不是靠譜。為了實現(xiàn)買家的透明，他們需要提供真實信息，并在法律上確定不能把數(shù)據(jù)分享給其他第三方。這些認(rèn)證工作由Nebula工作人員完成驗證。

第七，Nebula網(wǎng)絡(luò)的區(qū)塊鏈服務(wù)

Nebula基因組數(shù)據(jù)交易市場的所有交易記錄都會記錄在Nebula區(qū)塊鏈上，這是不可篡改的記錄。

Nebula將為合作伙伴提供測序設(shè)施，包括價格合理的全基因組測序服務(wù)。該服務(wù)可以使用Nebula代幣支付。同時，隨著DNA測序價格下降，還會變得更便宜。另外，數(shù)據(jù)購買者也可以補貼個人的測序成本。

此外，Nebula調(diào)查工具會使用以太坊區(qū)塊鏈的智能合約，可以讓數(shù)據(jù)購買者創(chuàng)建高度定制化的調(diào)查。比如可以向所有參與調(diào)查的人支付同樣的Nebula代幣獎勵，也可以根據(jù)不同的貢獻(xiàn)獎勵不同數(shù)量的代幣。

數(shù)據(jù)購買者也可以使用以太坊智能合約來購買個人基因組數(shù)據(jù)。數(shù)據(jù)所有者收到代幣支付之后，他們的加密基因組數(shù)據(jù)會傳送到安全計算節(jié)點進行計算。表型數(shù)據(jù)的購買也采用類似方式。

第八，基于Nebula網(wǎng)絡(luò)也會產(chǎn)生有價值的第三方應(yīng)用

跟其他的中心化的應(yīng)用程序平臺不同，Nebula采用去中心化的模式來匯聚基因組數(shù)據(jù)?；蚪M數(shù)據(jù)由個體用戶自己控制。

比如，數(shù)據(jù)所有者可以利用Nebula的基因變體解釋器進行個人基因組的數(shù)據(jù)解讀。Nebula的變體解釋器是基于Blockstack的分布式應(yīng)用，在用戶本地數(shù)據(jù)上執(zhí)行。Nebula最初版本的變體解釋器是基于Veritas的變體解釋器。這里還有一個正向循環(huán)的好處。隨著Nebula數(shù)據(jù)庫的增加，會發(fā)現(xiàn)更多基因和健康之間的關(guān)聯(lián)關(guān)系，這會讓Nebula的變體解釋器的表現(xiàn)越來越好。由此吸引更多人加入到Nebula的網(wǎng)絡(luò)。如果實現(xiàn)了這一點，這會成為一個自我增強的系統(tǒng)。

最后，Nebula對于測序本身也會采用去中心化模式嗎？

相比較于傳統(tǒng)模式，通過去中心化的數(shù)據(jù)存儲和安全計算，Nebula在基因組數(shù)據(jù)保護方面達(dá)成新的高度。但是，數(shù)據(jù)的生成依然是在中心化的測序設(shè)施中發(fā)生。如果測序設(shè)施的受到攻擊，基因組數(shù)據(jù)也有可能會被盜取。要避免這種風(fēng)險，唯一辦法是連測序本身也實現(xiàn)去中心化。

最理想的情況是，個人購買DNA測序機器自行測序，這樣就不用通過中心機構(gòu)的測序設(shè)施來完成測序。當(dāng)然，目前看，還不現(xiàn)實。因為當(dāng)前的DNA測序儀器很大，很貴，價值可達(dá)100萬美元，也不易操作，普通用戶很難承受。

當(dāng)然，技術(shù)也在發(fā)展，也許未來可能誕生手機一樣的DNA測序儀器，成本也能降至1000美元左右。但是，這需要時間。在過渡期內(nèi)，Nebula Gemonics還會一直尋求最新技術(shù)，幫助個人實現(xiàn)可負(fù)擔(dān)的基因測序。而最終的目標(biāo)就是超去中心化的測序模式發(fā)展。

結(jié)語

傳統(tǒng)的基因測序模式很難建立起真正的基因組數(shù)據(jù)交易市場。因為它很難解決基因組數(shù)據(jù)歸用戶所有的問題，無法調(diào)用用戶參與積極性，在獲取大規(guī)模數(shù)據(jù)方面存在天然的障礙。

而利用區(qū)塊鏈的去中心化模式，則帶來改變。以Nebula為例，它首先把基因組數(shù)據(jù)的所有權(quán)歸還給個體。其次，它構(gòu)建了能夠保護用戶數(shù)據(jù)的安全計算。再次，它充分利用智能合約、區(qū)塊鏈技術(shù)以及代幣體系。

這樣的結(jié)果是，Nebula的模式可以實現(xiàn)基因組數(shù)據(jù)的買家和賣家直接交易，跟傳統(tǒng)的模式不同，數(shù)據(jù)的買家和賣家之間的交易降低了成本。成本的降低導(dǎo)致基因組測序服務(wù)價格更加便宜，推動更多人參與進來。更多人參與進來，導(dǎo)致數(shù)據(jù)價值的提升，數(shù)據(jù)價值的提升能夠讓基因測序服務(wù)本身更有指導(dǎo)意義，包括對醫(yī)療、生育、減肥、保健等方面都重要的影響。

尤其是一旦實現(xiàn)了基因組測序數(shù)據(jù)、相應(yīng)的表型數(shù)據(jù)與機器學(xué)習(xí)的結(jié)合，可能會給人類帶來很多意想不到的新發(fā)現(xiàn)，可以為每個人提供個性化的健康指導(dǎo)。這對于大多數(shù)人來說，都具有足夠的吸引力。

此外，Nebula通過去中心化的模式也解決了人們對隱私保護的擔(dān)憂。為了讓人們不用擔(dān)心，Nebula中的基因組數(shù)據(jù)擁有者可以私下存儲自己的基因組數(shù)據(jù)，同時控制訪問權(quán)限。數(shù)據(jù)共享時，也會采用加密安全計算等技術(shù)。與此同時，數(shù)據(jù)的擁有者會保持匿名，數(shù)據(jù)買家則要求是身份完全透明。Nebula的區(qū)塊鏈存儲所有的交易記錄，這些交易記錄都不可篡改。

對于數(shù)據(jù)的需求方來說，通過從個體用戶直接獲取高質(zhì)量的基因組數(shù)據(jù)和相應(yīng)的表型數(shù)據(jù)，可以降低成本，更方便從數(shù)據(jù)中找出規(guī)律，便于研發(fā)新藥，便于為用戶提供個性化的健康方案。

鑒于基因組測序目前的價格還不便宜，還有普通用戶在區(qū)塊鏈技術(shù)及相關(guān)技術(shù)的使用上還存在一定的易用性障礙，要形成真正的基因組測序交易市場還有很長的路要走。對此，我們要保持清醒的認(rèn)識，同時也有充分的耐心。

從以上的闡述可以看到，區(qū)塊鏈技術(shù)和去中心化的模式能夠?qū)蚪M測序行業(yè)產(chǎn)生重塑的作用，期待像Nebula這樣的項目能夠充分利用區(qū)塊鏈，創(chuàng)建出真正的有規(guī)模效應(yīng)的去中心化的基因組數(shù)據(jù)交易市場。一旦走向正向循環(huán)，這會產(chǎn)生前所未有的行業(yè)效應(yīng)。

關(guān)鍵詞： 區(qū)塊鏈 基因測序行業(yè) 重塑