作者：奶樹

編輯：蝌蚪

過去一兩年的時間里，以大語言模型（LLM）為代表的人工智能（AI）技術無疑是最受公眾關注的話題。尤其涉及到美國對英偉達等芯片企業(yè)出口中國的限制，已然打響了又一輪無聲的“冷戰(zhàn)”。

在另一塊生物科技的“戰(zhàn)場”，中美雙方出現(xiàn)了新的矛盾：美國總統(tǒng)拜登簽署了《關于防止關注國家（countries of concerns）批量獲取美國個人及政府敏感信息的行政令》，“關注國家”自然包括中國，而敏感信息之一，則是人類基因組信息。

這個矛盾在剛剛過去的美國時間3月6日達到了“高潮”——美國參議院國土安全與政府事務委員會近日召開聽證會，以11比1的同意票數通過了參議院版的“生物安全法案”草案，目的在于禁止美國聯(lián)邦政府與某些與外國競爭對手有聯(lián)系的生物技術提供商簽訂合同。被“點名”的中國企業(yè)包括華大系、藥明系等。

事實上，這并不是國家之間首次限制彼此人類基因組信息的交流，2019年，我國出臺了《中華人民共和國人類遺傳資源管理條例》，并在其中多項條款規(guī)定限制外國對中國人類遺傳數據的使用。

對于大多數公眾來說，可能沒那么容易理解：基因組數據，至于要這么嚴格嗎？國家與國家之間，真的有必要相互封鎖嗎？

20多年前的約定

這個故事可能得從28年前的一場會議講起。

1996年，參與人類基因組計劃（Human Genome Project，HGP）的科研人員齊聚大西洋上的百慕大島嶼，共同商量一件過去科學家從來沒有想過的事情：基因組數據要怎么共享？

人類基因組計劃歷史 | 圖源：Microbe Notes

在上個世紀，生物學實驗相對簡單，不論結果再怎么多，往往一張表格就能放下。但是基因組測序不同，以最簡單的病毒、細菌、酵母或古菌為例，它們的基因組不大，但是打印出來少說也得幾十甚至上千頁。

而彼時已經開展了6年的人類基因組計劃，預計有3000000000個堿基，倘若發(fā)表出來，就是一本寫滿ATCG的超級大詞典。這在過去的生物研究歷史中，聞所未聞。

而且寫出來也看不懂

當時的人類基因組計劃是一項世界級的工程，來自美國、英國、法國、中國的科學家需要分工協(xié)作。只有及時更新數據庫，大家才能第一時間知道項目的進展。其他科學家也能盡快根據自己感興趣的內容，開展相關的研究。

基于此，這些科學家最終達成了一個即便放在今天，都是令人震撼和感慨的共識：數據產生的24小時內，就要分享到數據庫讓全世界看到，而且是完全免費開放。

2003年，隨著人類基因組計劃的初步完成與基因組數據的增多，新的“勞德代爾堡協(xié)議”達成，在過去“百慕大原則”的基礎上，進一步支持了合作項目間基因組數據的及時分享，并構建了一個更完善的責任制度，更好地支持基因組數據的產生與使用。二者被認為是基因組數據開放使用的開端，也深深影響了后來二十年間基因組研究的數據共享方式。

得益于“即時共享”的核心思想，本來預計需要15年完成的人類基因組計劃，整整提前了四年。時至今日，世界主流的幾個基因組數據庫，例如美國的國家生物技術信息中心（NCBI）、英國的生物銀行（UK BioBank），以及中國的國家基因組科學數據中心，都包含了成百上千萬的人類基因組信息，以及百萬物種的基因組數據。而且這些信息的訪問和獲取全部免費。

中國國家基因組科學數據中心的GSA數據2016年成立，短短幾年間數據量就是指數級的增長 | 圖源：Chen T,et al.

于是，一家單位發(fā)布了基因組，另一家單位就能快速下載下來，并在前人的基礎上補充更豐富的分析，或者添加更具體的實驗。基因組學，甚至說生物學的大廈，就是通過這種數據開放的方式在這20年里一磚一瓦搭建起來的。

基因組的發(fā)表已經大不相同

但隨著數據的增多，科研人員相互之間的競爭也越發(fā)激烈，基因組數據的發(fā)表方式逐漸發(fā)生了變化：

首先，考慮到文章發(fā)表的時效性，以及與其他研究者的沖突，第一時間給世界共享數據在今天已經很少見了，作者至少要確保自己的文章和成果成功發(fā)表，才會在數據庫上傳數據。

其次，很多大型的基因組數據不會簡單釋放開來，你想要使用的時候需要給負責人提交申請，而每一家負責單位對申請的考核標準都不一樣，很可能因為各種原因遭受拒絕。

另外，伴隨著測序費用的降低，基因組原始文件越來越大，個別單個大項目的數據已經不是以GB、TB為單位，而是以更高的PB為單位了（1024個TB）。研究人員為了“省事”，更樂意上傳一些中間文件數據，甚至只上傳部分他們覺得有必要的數據。至于其他原始數據和細節(jié)，你就得單獨想辦法去要了。

“共享遺傳信息”的做法曾加速生命科學的發(fā)展，但隨更多社會、政治等因素的介入，也不得不被踩下剎車。尤其到了最近幾年，國家開始干預基因組數據的分享，例如前面提及的美國、中國頒布的一系列法案條規(guī)。

國內人類遺傳數據對外提供申請的流程

如今在中國，一份人類遺傳學數據的產生到發(fā)布，你需要經歷：項目申請的審批，采樣前的審批，國外研究人員合作的審批（如有），數據提交的審批與備份……通過這樣一系列的過程，你的數據才能被“半公開”。海外科學家想要使用的話，需要向中國數據庫提交申請，獲批后方能獲取。

美國則是提出了一套更有“針對性”和“目的性”的法案——特定國家的科學家不能隨意使用其人類基因組信息。當然，是否執(zhí)行、以及未來會如何執(zhí)行，可能都還是未知數。

基因組泄露關鍵的問題在于個人安全

為什么國家要下場干預基因組數據的共享與開放？原本透明、公開、開放的信息體系不好嗎？一同搭建全人類的生物學研究“大廈”不好嗎？

美國政府官網是這樣說的：

總統(tǒng)的行政命令重點保護美國人最私密和最敏感的個人信息，包括基因組數據、生物特征數據、個人健康數據、地理位置數據、財務數據和某些類別的個人身份信息。不良行為者可以利用這些數據追蹤美國人（包括軍事人員），窺探他們的個人生活，并將這些數據傳給其他數據經紀人和外國情報機構。這些數據可能導致侵入性監(jiān)視、詐騙、勒索和其他侵犯隱私的行為。

中國的《人類遺傳資源管理條例》第二十八條則是這樣說的：

二十八條 將人類遺傳資源信息向外國組織、個人及其設立或者實際控制的機構提供或者開放使用，不得危害我國公眾健康、國家安全和社會公共利益；可能影響我國公眾健康、國家安全和社會公共利益的，應當通過國務院科學技術行政部門組織的安全審查。

不難看出，雙方共同的關注重點在于個人/公眾安全。

這里的安全涉及到很多方面，最直接的問題是隱私安全問題。這也是我們每個人需要關注的問題——不論國家封不封鎖，我們都應該注重個人的基因組隱私，畢竟這可能比指紋或者面容信息都要重要。

可以想象一下，如果你的身高、體重、三圍和疾病史，在你不知情時，被千里之外一個奇怪的實驗室拿來研究、發(fā)表文章、被公開給全世界，甚至創(chuàng)造一個和你一樣的克隆人……這還是非常駭人聽聞的。

雖然科研人員在發(fā)表數據時會專門隱去志愿者的具體姓名信息，但從技術層面看，基于基因組溯源到個人身份信息是可行的，有一項研究就曾利用千人基因組項目的數據和網絡信息，找到了其中50個人的名字。

因此對數據庫設定層層訪問審查，保證提供數據的志愿者的全面知情同意，也都是必須的。

基因組數據產生與后續(xù)分析的基本流程，從樣本、比對、測序、數據釋放，每一步都有可能發(fā)生隱私泄露的風險

而另一個大家普遍擔心的問題，是人身安全，換言之則是生物武器的可能性，更具體點是基因武器。

小說《三體》里展示了這樣的一種技術：主角羅輯為了保護自己，藏身于軍方的地下基地，但卻還是被敵人設計的，專門只感染他的致命病毒感染，差點喪命。這樣的劇情在今天，可能實現(xiàn)嗎？

除了同卵雙胞胎，任意兩個人的基因組都是不一樣的，平均差異大約是0.1%，對于擁有30億個堿基的人類基因組來說，那就是300萬個堿基，這不是一個小數目。

即便是一個堿基的差異，都可能為生物武器提供“機會”。而如今伴隨著生物合成技術和生物信息分析方法的快速發(fā)展，一方面從頭合成制造病毒、支原體、細菌、酵母已經紛紛實現(xiàn)，另一方面AI設計、輔助生產特定蛋白質，基因組快速比對也已經是科研上的常規(guī)操作——二者一結合，小說里的情節(jié)就能照進現(xiàn)實。

這也是美國、中國急于頒布相關法規(guī)的原因之一了。而限制生物數據的訪問，以保護隱私與放權的做法，必然是未來的趨勢。

100%的“遺傳封鎖”并不可取

但是我們也不難發(fā)現(xiàn)，其實各國的“封鎖”并不是一種100%的限制，而是受控訪問。比如中國的《人類遺傳資源管理條例》強調的是加強監(jiān)管，美國近期的法案草案也沒有完全限制中國全部科研單位。

因為相比20年前“人類基因組計劃”時期，今天數據產生的速度、技術迭代更新的速度都今非昔比，大量的數據產生、大量生物醫(yī)學問題得以解析——此時不能，也完全不應該限制不同國家科研人員之間的數據訪問。任何一方的限制，從科學研究與技術發(fā)展的角度考慮，都會成為極大的阻礙。

與之相應的是科學問題對數據的“如饑似渴”——人類基因組研究最常見的全基因組關聯(lián)分析（GWAS），動輒就需要上萬人的基因組數據，其產生、分析與數據存儲成本以“億元”為單位；人類疾病的診療往往涉及大量潛在的基因突變位點，想要研究清楚也需要海量數據的支持；而在未來想要實現(xiàn)個性化的精準醫(yī)療，對于個人的基因組分析也是必不可少的……

GWAS的分析原理是基于大樣本量的基因組比較，從30億個堿基位點里篩選出與某個表型性狀有關的基因，這就要求有足夠的樣本量結果才具有意義

面對這些問題，最有效、最具性價比的方式，就是展開合作與數據共享。因此，如何在“開放數據、促進科研”和“保護隱私、保護個人安全”之間取得平衡，就是如今生物醫(yī)學研究者繼續(xù)探討的問題。過去的“百慕大原則”與“勞德代爾堡協(xié)議”已經有些過時，我們需要一套更符合當下的制度。

但這也是一個涉及科學、倫理、道德、法律、政治、國家、社會、個人的復雜問題，單靠某個國家的政策其實并非長久之計。一方面需要各國各行各業(yè)的人們坐下來一起協(xié)商，像過去一同約定禁止生物武器一樣，通過一致的協(xié)定盡可能地規(guī)避基因組研究帶來的生物風險；另一方面，還應該進一步完善統(tǒng)一的審核與開放使用標準，提高數據的加密算法，讓研究者能以最快且最安全的方式開展科學研究。

令人振奮的是，已經有不少科研人員在嘗試這一方面的努力：2013年成立的全球基因組學與健康聯(lián)盟就在嘗試聯(lián)合全世界的基因組數據庫，讓數據共享的規(guī)定達成一致；不少國家的研究者也開發(fā)了多種加密算法，比如同態(tài)加密等方法，確保數據的安全和可用性……

未來的數據是共享還是封鎖？科學與技術的發(fā)展，社會與規(guī)定的完善，會給出答案。

參考資料：

●Powell K. The broken promise that undermines human genome research[J]. Nature, 2021, 590(7845): 198-202.

●Wang S, Jiang X, Singh S, et al. Genome privacy: challenges, technical approaches to mitigate risk, and ethical considerations in the United States[J]. Annals of the New York Academy of Sciences, 2017, 1387(1): 73-83.

●Chen T, Chen X, Zhang S, et al. The genome sequence archive family: toward explosive data growth and diverse data types[J]. Genomics, Proteomics and Bioinformatics, 2021, 19(4): 578-583.

●缺乏數據使用指導原則，基因組數據共享遇阻. 中國科學報