摘要
Manolis Kellis是MIT计算生物学家，探讨了人类疾病研究的分子基础与复杂性。传统的疾病研究方法正在被颠覆，人类遗传学已成为驱动基础生物学研究的主要力量，而非仅从动物模型推导人类生物学。
核心要点
-
疾病研究的复杂性：理解人类疾病是现代科学中最复杂的挑战，其复杂程度与人类基因组、大脑和免疫系统等多个系统的复杂性相当。
-
传统研究范式的转变：传统方法是从酵母、果蝇、小鼠等模式生物进行基础生物学研究，逐步推进到哺乳动物和人类；现在这一范式正在被颠覆。
-
人类遗传学的主导地位：人类基因组中包含的遗传变异信息比任何其他物种都多，使人类遗传学成为驱动基础生物学研究的主要力量。
-
遗传扰动研究法：科学家通过研究遗传突变（自然扰动）来理解生物系统如何运作，类似工程师通过已知设计来了解系统内部结构，科学家则通过外部扰动来推断系统功能。
-
基因组、表观基因组与系统复杂性：疾病理解需要整合基因组、表观基因组复杂性、脑回路、免疫系统和癌症等多层面知识，各层面相互影响递进。
-
基因功能验证的改进：从单纯的基因敲除实验发展到更复杂的多维度分析方法，以理解特定基因位点与人类疾病的关联机制。
-
跨物种研究的局限性：虽然模式生物提供了重要洞见，但人类特异性的生物学过程无法在其他物种中完全复现，需要直接研究人类组织和遗传数据。
-
多系统相互作用：单个疾病往往涉及多个生物系统的相互作用，包括免疫系统、神经系统和代谢系统等。
-
遗传信息的量化意义：人类基因组中的自然变异为理解基因功能和疾病机制提供了海量的”自然实验”数据。
-
计算生物学的关键作用：通过计算方法整合多层次的生物学数据，识别基因与疾病之间的关联模式，推动对疾病生物学本质的理解。
可执行建议
- 对于研究人员：充分利用人类遗传学数据和”自然扰动”信息，构建跨物种、多层次的整合分析框架
- 对于学科建设：加强计算生物学、系统生物学与传统生物学的交叉融合
- 对于疾病研究：重视人类组织直接研究与临床数据的结合，而非过度依赖单一动物模型