來源：數(shù)據(jù)猿 記者：大文

隨著基因測序成本持續(xù)降低以及國家精準醫(yī)學(xué)計劃的提出，基因數(shù)據(jù)重要性日益凸顯，得到越來越廣泛的應(yīng)用。基因測序產(chǎn)生的數(shù)據(jù)對于臨床決策支持、疾病預(yù)防控制、新藥研發(fā)和基礎(chǔ)研究等方面都具有重大意義。

隨之而來的則是基因數(shù)據(jù)產(chǎn)出量的劇增。海量的基因數(shù)據(jù)無論是從存儲、挖掘還是協(xié)作來看，對于存儲和計算資源都是個不小的挑戰(zhàn)，而資源彈性、穩(wěn)定低廉、簡便易用的云計算正是應(yīng)對挑戰(zhàn)的最好模式。于是，一批擁有云服務(wù)和大規(guī)模數(shù)據(jù)平臺背景的新興公司迅速崛起，成為基因行業(yè)產(chǎn)業(yè)鏈中重要的一環(huán)。

GeneDock（聚道科技）就是其中之一。聚道科技創(chuàng)始人李廈戎此前是阿里巴巴友盟的首席數(shù)據(jù)科學(xué)家，2014年9月創(chuàng)立了GeneDock。GeneDock是國內(nèi)領(lǐng)先大領(lǐng)先的企業(yè)級組學(xué)數(shù)據(jù)管理分析平臺，為用戶提供專業(yè)的組學(xué)數(shù)據(jù)傳輸、生物信息分析、臨床與科研數(shù)據(jù)管理與協(xié)作的整體解決方案。

基因數(shù)據(jù)有何特殊之處？基因行業(yè)是否適合創(chuàng)業(yè)？帶著這些問題，數(shù)據(jù)猿對聚道科技CEO李廈戎進行了專訪。

數(shù)據(jù)猿：為什么會選擇在基因數(shù)據(jù)行業(yè)創(chuàng)業(yè)？

李廈戎：

有一次實際上跟朋友聊天，知道了基因檢測這個方向。其實很多跟我一樣的互聯(lián)網(wǎng)從業(yè)者，或者我們叫做“IT民工”，其實對生物學(xué)并不是特別了解，可能從高考之后就不知道生物的進展是什么。當(dāng)然我們之前聽過人類基因組計劃，但是時隔十幾年之后，基因組其實現(xiàn)在已經(jīng)發(fā)展到了一個比較成熟的階段。就是我們能用一個比較低的成本，將一個人的基因組的數(shù)據(jù)給測出來。

我當(dāng)時就感覺到這個數(shù)據(jù)未來會扮演很重要的角色，而且它實際上是在幫助我們?nèi)チ私庾约?，幫助我們?nèi)ッ鎸芏辔覀儗⒁媾R的包括疾病、健康甚至環(huán)境的一些問題。所以我覺得這個領(lǐng)域，其實是一個很重要的數(shù)據(jù)領(lǐng)域，這個領(lǐng)域同樣需要我們之前比較熟悉的那套計算的系統(tǒng)和大數(shù)據(jù)的技術(shù)。所以我覺得應(yīng)該把這些技術(shù)用到這個領(lǐng)域來。我覺得基因組這個事情，當(dāng)我有你的數(shù)據(jù)，我是能夠幫助你自己去了解你自己的。而且這個循環(huán)是正向的，因為我知道你的信息，我告訴你的風(fēng)險。我知道張三可能有家族遺傳史，告訴張三一些有用的信息，這時候?qū)λ纳钍怯泻艽蟮母纳?，也就是說你的數(shù)據(jù)能幫助你自己。這是做這個數(shù)據(jù)最大的一個意義。

所以我覺得從某種程度來講，真的能夠讓這些人，讓大家、讓每個人用自己的數(shù)據(jù)，或者基于這些數(shù)據(jù)能夠為自己，甚至當(dāng)數(shù)據(jù)更多的時候，甚至能為別人做一些事情。所以我覺得這樣會發(fā)揮數(shù)據(jù)更大的價值，而不只是說我們只是形成一個商業(yè)上面的數(shù)據(jù)變現(xiàn)的方式。

數(shù)據(jù)猿：基因數(shù)據(jù)有何特殊之處？

李廈戎：

我們在整個行業(yè)上提供一個完整的面向基因組數(shù)據(jù)的解決方案。這個解決方案并不是說，我把之前的Hadoop或者Spark這樣的系統(tǒng)移到這個領(lǐng)域來就Work。因為其實Hadoop和Spark只解決計算的問題，可能Hdvs解決存儲的問題，但問題是說這些東西是直接拼湊起來就能用的嗎？一開始可能我們是這么想的，好像移過來就可以用，但是其實發(fā)現(xiàn)這個領(lǐng)域有這個領(lǐng)域特定的需求。

所以說我們現(xiàn)在正在給這個領(lǐng)域做一個比較完備的解決方案，或者說給這個數(shù)據(jù)做一個比較完備的操作系統(tǒng)。首先一個點是個體的數(shù)據(jù)量是比較大的，互聯(lián)網(wǎng)有一個比較大的區(qū)別在于，互聯(lián)網(wǎng)其實對于個體的數(shù)據(jù)量并不是很大，可能它群體會很大，可能有幾千萬個用戶，單個用戶貢獻的數(shù)量其實很小，可能就幾兆或者幾十兆，最多是這樣的級別。

但是基因領(lǐng)域單個個體，哪怕你說我做一個小Panel那都得上G級別的數(shù)據(jù)量，做到全基因組那是百G級別的數(shù)據(jù)量，所以單個個體的數(shù)據(jù)量是比較大的。而且它要求整個處理過程，因為畢竟基因組數(shù)據(jù)，它的大部分的應(yīng)用會相對比較嚴謹一些。我說的嚴謹是說它可能是面向于至少是健康或者是臨床這樣的應(yīng)用，而不是娛樂化的場景。

所以說它對于數(shù)據(jù)處理的要求會更高一些，對結(jié)果的一致性，對于整個流程的規(guī)范程度，對于數(shù)據(jù)的可追溯性要求要更高一些，隱私上面要求會更高。所以不太一樣。你可以理解為，互聯(lián)網(wǎng)大部分的時候我們分析的數(shù)據(jù)并不是那么刻意的看個體，而是刻意的看群體，但基因組現(xiàn)在的在線業(yè)務(wù)大部分是看個體的，也就我們要強調(diào)每個人、每個人之間的特異性，我要找到特異性。我要找到你跟這個人不一樣。

數(shù)據(jù)猿：基因數(shù)據(jù)行業(yè)還有創(chuàng)業(yè)機會嗎？

李廈戎：

包括怎么提高數(shù)據(jù)的處理速度，怎么降低數(shù)據(jù)的處理成本?？吹接幸恍┕咀龅貌诲e，包括海外的公司也做得不錯。

另外還有一方面，怎么樣對數(shù)據(jù)有更好的壓縮能力，無論對于存儲和傳輸來講都會產(chǎn)生一些價值。我覺得這些都是核心的一些技術(shù)點。

還有一些點，怎么樣去保證這個數(shù)據(jù)的安全性。保證安全性這個事上面，其實現(xiàn)在并沒有特別完整的方案，當(dāng)然你可以說可以參考國家一些標準，但是這個領(lǐng)域會有一些特殊性，所以我覺得可能是這方面。然后再看怎么樣做更好的解讀系統(tǒng)，怎么樣幫助這些醫(yī)生更好的去看數(shù)據(jù)，數(shù)據(jù)的可視化，操作這些數(shù)據(jù)，我覺得這些都是很好的一些點。

我只能說有數(shù)據(jù)技術(shù)背景的公司，或者有數(shù)據(jù)技術(shù)研發(fā)能力的公司一定會有優(yōu)勢。這個行業(yè)我覺得并不排外，并不會覺得你跟我們不是一個行業(yè)的人我就會排斥你。而是大家覺得確實這個領(lǐng)域有比較大的空間和潛力，而且大家其實都是技術(shù)導(dǎo)向，我們接觸的這些合作伙伴都是技術(shù)導(dǎo)向，大家覺得只要技術(shù)好、只要產(chǎn)品好，為什么不能合作呢？所以我覺得大家合作意識，對于技術(shù)的這種關(guān)注點和這種接受度都很高。

所以我覺得，只要你是一個真正的有核心技術(shù)，有數(shù)據(jù)技術(shù)能力的公司，我覺得相信能夠在這個行業(yè)里面一定會有你的一席之地。

（記者：大文 微信：discoverier）

相關(guān)閱讀：

程序員如何玩轉(zhuǎn)“深不可測”的基因大數(shù)據(jù)：這個行業(yè)其實只是“數(shù)據(jù)大”丨數(shù)據(jù)猿專訪聚道科技CEO李廈戎

來源：數(shù)據(jù)猿