大数据时代构建新型高分辨分子病理科研教学的体系探索.docVIP

大数据时代构建新型高分辨分子病理科研教学的体系探索 　　【中图分类号】R259 【文献标识码】A 【文章编号】2095-3089（2018）11-0233-02 　　近年来，在精准医学推动下，深度测序技术不断普及，测序成本不断降低，海量的数据不断涌入临床医学领域[1]。医疗大数据不断冲击传统医学，也不断更新和呼吁新的医学教学、科研教学和临床医学行为模式，作为生物学分支的――计算生物学由此得以迅速发展，大数据挖掘分析已成为基础医学和临床医学发现问题的重要途径，分子病理学是临床医学中采用高通量技术最频繁的主力，因此，紧跟前沿技术，培养能够正确处理、充分解读、全面应用医学大数据的临床人才，将对我国新世纪医疗人才培养产生积极推动作用。本课题组前期通过结合临床大数据，初步尝试探索分子病理科研教学新体系，旨在推动符合时代需求的新型教学模式。 　　1.从大数据本体论到分子病理科研教学的任务 　　古希腊哲学家毕达哥提出“数是万物的始基”。早在1988年《科学》首先提出大数据概念， 2008年《自然》设立了专刊介绍大数据，大数据正逐步发展和受到重视。人体本身就是一个数字化的整体，临床诊疗的行为最大的特点是以人为对象，在精准医学的背景下，得益于深度测序技术的普及，临床行为正日益产生大量数据。一方面，大数据产生不断挑战着传统的临床医学模式，另一方面，大数据也正引导临床研究迈向更加高层次的整体观照。大数据使得人类活动进入了一个新阶段，在大数据基础上，世界的一切关系均可用数据表征。具体到临床医学，大数据本体论需要我们回答临床数据本质是什么？数据与疾病之间有何因果关系？大数据如何解释疾病等问题？ 　　传统分子病理学作为临床医学诊断的前沿学科，也是临床科研问题发现的最基本的途径。在过去由于技术和检测手段的限制，对疾病描述的数据结构以疏松和零散为主要特点。大数据时代下，分子病理对疾病本身的描述进入密集型高分辨率型的时代。这些由分子病理产生的临床大数据正赋予分子病理科研更多的可能性，而如何解读密集型数据的本质？如何将大数据有机结合到疾病本身的科学问题上来？如何解释疾病数据的差异？这便是大数据对分子病理科研教学提出的时代新要求。 　　2.从大数据思维模式到分子病理科研教学的模式 　　传统分子病理技术，如显色原位杂交、荧光原位杂交、聚合酶链反应等，在精度上给予分子病理科研极大的便利。随着基因芯片、基因测序等技术普及，使得数据在精度和广度上都有了新的突破。大数据不仅是对一种临床科学问题研究和认识的存在形式，也是临床科学研究的一种方法和途径，这种新的认识论范式与传统分子病理科研推断逻辑式表现形式不同，它是一种数据模型的思维模式，这种思维模式基本的目标有两个――描述和预测：通过描述刻画大数据的潜在模式，通过利用这些数据潜在模式，进行科研问题的预测，从而发现数据中有具有临床价值的模型和规律。 　　具体说来，从方法论层面看，大数据思维模式对传统的机械还原论进行了深入批判，提出了多样与整体、关联与动态分析的大数据思维，这些新思维具有复杂性思维特征。分子病理的大数据实现了还原论与整体论的融贯，首先承认疾病和科学问题本质是复杂的多样性，强调了疾病表征和基因型的关联性，认为存在比因果关系更加重要。通过对疾病和具体科学问题的数据化，实现了定性定量的综合集成；因此如何实现描述和预测的功能，成为分子病理科研教学的大挑战。 　　2.1大数据重新认识疾病的复杂性 　　分子病理产生的临床大数据是指导临床精准医疗和开展前沿医学研究的前提，指导学生正确认识大数据便是首要的问题。本课题组紧跟大数据趋势，在2013年起在传统分子病理教学中引入大数据教学模式，帮助学生理解疾病和寻找科研问题。 　　大数据之大，在于深度和广度。以肺癌为例，肺癌驱动基因的研究一直是攻克肺癌的关键所在，目前越?碓饺鹊谋砉垡糯?学的研究揭示了非小细胞肺癌发生发展更多的可能性。在肺癌分子病理科研教学上，我们首先以传统分子病理科研教学为切入点，带领学生了解具体有特色的肺癌特点，比如临床上对非小细胞肺癌常规检测的EGFR、ALK等基因的情况。众所周知，肿瘤是异质性极大的疾病，为了让学生更加深入的了解肿瘤的复杂性，我们引入大数据，我们从传统教学几十例的患者，过渡到TCGA公共数据库及GEO，CaArray， ArrayExpress数据库等上千例非小细胞肺癌患者中来[2]，从广度上让学生对非小细胞肺癌的特点有了全面的了解。从传统教学的有限的研究成熟的基因数，到大宗病例分析产生的海量差异表达的基因数及其它分子事件，使得分子病理教学从已知向未知过渡，从传统认知型教学向科研型教学过渡。 　　分子病理科研教学中，善于利用大数据可以更加高分辨率的展示疾病与临床表型之间的联系。以非小细胞肺癌为例，个人史、吸烟史对非小细胞肺