1. 生命科學近年來有哪些新技術
近年來，新興技術如3D列印、細胞治療和區塊鏈等技術革新為人類的發展帶來的好處是顯而易見的，其中對醫療保健領域影響最大的則是數字技術的發展，大數據和信息技術將有助於更好地管理人口健康數據。我國政府在《「十三五」國家科技創新規劃》中，詳細規劃了精密醫學技術開發、建立多級知識資料庫、創建國家級生物醫學大數據採集和存儲平台。
一、3D列印
3D列印可以為個性化治療提供更多機會。生物制劑領域正在探索3D列印製造細胞和組織產品的新方法。
例如，葯物和疾病模型可以在3D列印的組織上進行測試，不再像以前那樣，在動物或人類身上測試。當3D列印與納米技術結合使用時，它也可以在分子水平上應用：定製的白血球可以被設計用來追捕和攻擊癌細胞。
盡管3D列印等新興技術的潛力得到了廣泛認可，但目前這些技術的法規仍處於萌芽狀態，即使在澳大利亞等較發達的市場也是如此。
二、區塊鏈
區塊鏈是由存儲、鏈接在數字交易上的交易塊所構建的，交易記錄能夠共享，且不可修改，它使每個患者的數據源充當完整的、不可更改的「塊」，然後安全地與醫療保健提供者或其他研究組織共享。
區塊鏈在醫療領域的應用在國內外關注度日漸提高，區塊鏈的觸角已遍布各行各業，助推傳統行業轉型升級。
目前，區塊鏈技術已逐步在醫療領域得到應用，作為一門新興技術，正在顛覆這一行業的經營模式甚至價值鏈。一系列的數據顯示，區塊鏈技術真正的潛力可能在於，通過讓不同公司甚至行業彼此分享數字資產以促進合作。
三、人工智慧（AI）
人工智慧演算法可以分析來自臨床試驗、健康記錄、基因概況和臨床前研究的大數據集。這些數據中的模式和趨勢能夠以快於研究人員的速度驗證臨床假設，並迅速提供新的見解。
AI技術最新的一個應用是在診斷領域。2017年，騰訊推出了AI診斷醫學影像服務，稱為人工智慧創新醫療系統（AIMIS）。
目前，這項技術已證明，食管癌的初步診斷准確率超過90%，肺結節病的准確率為95%，糖尿病視網膜病變的准確率為97%。迄今為止，AIMIS實驗室已在10多家醫院建立，並簽署了進一步部署的協議。
騰訊的人工智慧研究實驗室——優圖實驗室（Youtu Lab）也與廣州中山大學癌症中心的食道癌研究所合作，利用數千名匿名患者數據來培訓其AI技術的診斷部分。這種發展可能對葯物開發過程產生重大影響。
例如，騰訊AI技術捕捉到的圖像可以與xtalpi結合使用，xtalpi是一種利用雲計算平台（如亞馬遜網路服務、騰訊雲、谷歌雲和阿里雲）運行演算法，部署一百萬個計算能力核心的技術，以發現計算機中的新產品，大幅減少制葯公司研發新品所需的時間和巨額投資。
四、基因療法
基因治療為個性化療法提供了可能性，例如新的CAR-T療法，雖然使用率仍然很低，但祥銀指人類遺傳學和精準醫學已經逐步通過創新的生物技術改變醫療保健。
五、數據助力生命健康醫療行業發展
健康數據是新的醫療保健貨幣，面對來自內外部持續、不斷增長的數據湧入，醫院將依賴認知分析來發現和梳理數據中最重要的節點和趨勢，通過對數據進行系統化、結構化的分析，向臨床醫生、患者提出可行的見解。
有三項技術正在幫助亞太地區挖掘不同的數據謹配源，即物聯網、認知計算和基於雲的交互操作EHR系統：
1、物聯網
物聯網的發展對於遠程臨床監測、慢性病管理、預防性護理、老年人輔助生活和健康監測有重要價值。物聯網的應用也有助於降低成本、提高效率，並將重點轉移到優質的病患護理上。
2、認知計算
認知計算包括機器學習、神經網路和深度學習技術，可以幫助醫療組織處理大量快速變化的數據。
認知計算能夠處理各種統計演算法並快速生成新數據的新模型，這將幫助大量醫療保健數據（從醫療設備、智能手機、活動跟蹤程序和EHR等來源匯總而來）轉化為個性化醫療方案。
更重要的是，認知計算還能用來預測健康趨勢（如疾病發作）、檢測數據模式（如葯物對個人或群體的影響），或者使不同來源的數據得以共享（如創建360度患者視圖）。
3、基於雲的交互操作EHR系統
當與AI相結合時，交互操作的EHR可以幫助醫療系統更好地將數據集成到日常護理中，並使患者更好地管理自己的數據。當這些數據存儲在雲中時，相關人員可以根據需要訪問這些數據，也可以在區塊鏈上訪問，區塊鏈是一個分布式、不變的數搏局字交易記錄分類賬。
然而，隨著數據使用的增加，以及像Wannacry等勒索軟體的攻擊，網路安全和數據風險管理問題成為生命科學和醫療保健行業需要面對的挑戰。
實際上，在每年發生的網路攻擊事件中，醫療保健僅次於金融領域。在全球范圍內，各國政府正在研究新的法規，使患者能控制自己的數據並簡化法規環境。
例如，日本厚生勞動省（負責醫療衛生和社會保障的主要部門）於2017年5月發布了最新版《健康信息系統安全指南》，旨在推廣一系列措施來應對醫療機構的網路攻擊風險。
最近，日本的醫療機構普遍採用封閉系統來減少網路威脅。但是，日本國家衛生系統新的醫療ID和數據共享方案的實施，將要求醫療機構將數據上傳到外部伺服器，從而提高網路安全的重要性。
2. 生命科學近年來有哪些新技術
NO.1
SARAH TEICHMANN: Expand single-cell biology（擴展單細胞生物學）
Head of cellular genetics, Wellcome Trust Sanger Institute, Hinxton, UK.
在過去的十年裡，我們看到研究人員可以分析的單細胞數量大幅增加，隨著細胞捕獲技術的發展，結合條形碼標記細胞和智能化技術等方法，在未來數量還將繼續增加，對此，大家可能不以為然，但這可以讓我們以更高的解析度來研究更為復雜的樣品，我們可以做各種各樣的實驗。比如說，研究人員不再只關注一個人的樣本，而是能夠同時觀察20到100個人的樣本，這意味我們能夠更好的掌握人的多樣性，我們可以分析出更多的發展時間點，組織和個體，從而提高分析的統計學意義。
我們的實驗室最近參與了一項研究，對6個物種的250000個細胞進行了分析，結果表明，控制先天免疫圓老旅反應的基因進化速度快，並且在不同物種間具有較高的細胞間變異性，這兩個特徵都有助於免疫系統產生有效的微調反應。
我們還將看到在單個細胞中同時觀察不同基因組模式的能力發展。例如，我們不局限於RNA，而是能夠看到染色質的蛋白質-DNA復合物是開放還是封閉。這對理解細胞分化時的表觀遺傳狀態以及免疫系統和神經系統中的表觀遺傳記憶具有重要意義。
將單細胞基因組學與表型關聯的方法將會發生演變，例如，將蛋白質表達或形態學與既定細胞的轉錄組相關聯。我認為我們將在2019年看到更多這種類型的東西，無論是通過純測序還是通過成像和測序相結合的方法。事實上，我們已經見證了這兩種技術的一種融合發展：測序在解析度上越來越高，成像也越來越多元化。
NO.2
JIN-SOO KIM: Improve gene editors(改進基因編輯)
Director of the Center for Genome Engineering, Institute for Basic Science, and professor of chemistry, Seoul National University.（首爾國立大學基因學研究所基因組工程中心主任、化學教授。）
現如今，蛋白質工程推動基因組工程的發展。第一代CRISPR基因編輯系統使用核酸酶Cas9，這是一種在特定位點剪切DNA的酶。到目前為止，這種方法仍然被廣泛使用，但是許多工程化的CRISPR系統正在用新變體取代天然核酸酶，例如xCas9和SpCas9-NG，這拓寬了靶向空間——基因組中可以被編輯的區域。有一些酶比第一代酶更具特異性，可以將脫靶效應最小化或避免脫靶效應。
去年，研究人員報告了阻礙CRISPR基因組編輯引入臨床的新障礙。其中包括激活p53基因 (此基因與癌症風險相關)；不可預料的「靶向」效應；以及對CRISPR系統的免疫原性。想要將基因組編輯用於臨床應用，就必須解決這些限制。其中一些問題是含畢由DNA雙鏈斷裂引起的，但並非所有基因組編輯酶都會產生雙鏈斷裂——「鹼基編輯」會將單個DNA鹼基直接轉換成另一個鹼基。因此，鹼基編輯比傳統的基因組編輯更干凈利索。去年，瑞士的研究人員使用鹼基編輯的方式來糾正小鼠中導致苯丙酮尿症的突變基因，苯丙酮尿症是一種先天性代謝異常疾病，患者體內會不斷累積毒素。
值得注意的是，鹼基編輯在它們可以編輯的序列中受到了限制，這些序列被稱為原間隔相鄰基序。然而蛋白質工程可以用來重新設計和改進現有的鹼基編輯，甚至可以創建新的編輯，例如融合到失活Cas9的重組酶。就像鹼基編輯一樣，重組酶不會誘導雙鏈斷裂，但可以在用戶定橘凳義的位置插入所期望的序列。此外，RNA引導的重組酶將會在新的維度上擴展基因組編輯。
基因編輯技術在臨床上的常規應用可能還需要幾年的時間。但是我們將在未來一兩年看到新一代的工具，將會有很多的研究人員對這項技術感興趣，到時候他們每天都會使用這些技術。屆時必然會出現新的問題，但創新的解決方案也會隨之出現。
NO.3
XIAOWEI ZHUANG（庄小威）: Boost micros resolution （提高顯微鏡解析度）
Professor of chemistry and chemical biology, Harvard University, Cambridge, Massachusetts; and 2019 Breakthrough Prize winner.
超解析度顯微鏡的原理驗證僅僅發生在十幾年前，但今天這項技術相對來說再平常不過，生物學家可以接觸到並豐富知識。
一個特別令人興奮的研究領域是確定基因組的三維結構和組織。值得一提的是，基因組的三維結構在調節基因表達中起到的作用越來越大。
在過去的一年裡，我們報道了一項工作，在這項工作中，我們對染色質進行了納米級的精準成像，將它與數千個不同類型細胞的序列信息聯系起來。這種空間解析度比我們以前的工作好一到兩個數量級，使我們能夠觀察到各個細胞將染色質組織成不同細胞之間差異很大的結構域。我們還提供了這些結構域是如何形成的證據，這使我們更好地理解染色質調節的機制。
除了染色質，我們預見到在超解析度成像領域空間解析度有了實質性的提高。大多數實驗的解析度只有幾十納米，雖然很小，但與被成像的分子相比卻沒有什麼差別，特別是當我們想解決分子間的相互作用時。我們看到熒光分子和成像方法的改進，大大提高了解析度，我們預計1納米解析度的成像將成為常規。
同時，瞬時解析度變得越來越好。目前，研究人員必須在空間解析度和成像速度之間做出妥協。但是通過更好的照明策略和更快的圖像採集，這些限制可以被克服。成千上萬的基因和其他類型的分子共同作用來塑造細胞的行為。能夠在基因組范圍內同時觀察這些分子的活動，將為成像創造強有力的機會。
NO.4
JEF BOEKE: Advance synthetic genomes （先進的合成基因組）
Director of the Institute for Systems Genetics, New York University Langone Medical Center, New York City.
當我意識到從頭開始寫一個完整的基因組變成可能的時候，我認為這將是一個對基因組功能獲得新觀點的絕佳機會。
從純科學的角度來看，研究小組在合成簡單的細菌和酵母基因組方面取得了進展。但是在合成整個基因組，特別是哺乳動物基因組方面仍然存在技術挑戰。
有一項降低DNA合成成本的技術將會對行業產生幫助，但是目前還沒有上市。今天發生的大多數DNA合成都是基於亞磷醯胺化學過程。所得核酸聚合物的最大長度和保真度都受到限制。
許多公司和實驗室都在研究酶促DNA合成——這種方法有可能比化學合成更快、更准確、更便宜。目前，還沒有一家公司在商業上提供這種分子。但是去年10月，一家總部位於巴黎的叫做DNA Script的公司宣布，它已經合成了一種150鹼基的寡核苷酸，幾乎符合化學DNA合成的實際限制。
作為一個群體，我們還研究了如何組裝人類染色體DNA的大片段，並且我們可以使用這種方法構建100千鹼基或更多的區域。現在，我們將使用這種方法來解剖大的基因組區域，這些區域對於識別疾病易感性非常重要，或者是其他表型特徵的基礎。
我們可以在酵母細胞中快速合成這些區域，因此我們應該能夠製造數十到數百種以前不可能檢測到的基因組變體。使用它們，我們將能夠檢查全基因組關聯研究中涉及的數千個基因組基因座，它們在疾病易感性方面具有一定意義。這種解剖策略可能使我們最終能夠確定這些變體的作用。
NO.5
CASEY GREENE: Apply AI and deep learning（應用人工智慧和深度學習）
Assistant professor of systems pharmacology and translational therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia.