“P4医学是单独面对并治疗每一个病人，而不是针对某一群体。”

　　记者：什么是P4医学？

　　胡德：P4医学是以预测、预防、个性化和参与性（predictive, preventive, personalized & participatory）为特点的医学的简称，它的基本思想是以一种信息（及其管理）的视角来审视医学的。在今后十年中，为病人诊治疾病的医生们要面对数以十亿计的由数据点组成的“虚拟云”，为此，他们将运用信息技术来减少这些数据的多维复杂程度，并将其转换成为关于健康和疾病的简单假设。我们已经认识到，人与人之间的基因组平均差异为600万核苷酸，这些基因组一直暴露于不同的环境刺激物中。一些旧的基于群体的方法（及其得到的结果）已经为人们所熟悉，其性状分布呈现一种钟形的曲线――不管您的性状处于曲线的哪一个末端，您都处于一种疾病的状态。与之相反的是，P4医学是单独面对并治疗每一个病人，而不是针对某一群体。

　　记者：您能否更详细地描述一下这种方法？

　　胡德：通俗地讲，生物学信息存在着两种类型，即基因组的数据信息和来自基因组外部的环境信号。这两种信息类型在与健康和疾病表型之间起连接作用的结构是基于一些生物学网络，它们可以捕捉、整合和调节信息，然后将其传递到执行这些信息的分子机器上。这些网络的疾病扰乱动力学是理解疾病机理的本质所在。例如，在对小鼠朊病毒病的研究中，我们克隆了大约300种疾病扰乱基因，发现它们分别与四种主要的和六种次要的生物学网络有关。这些网络的动力学机制实际上解释了这种神经退行性疾病的每个方面问题（这些网络以一种序贯的方式变成疾病扰乱状态）。

　　如果你想考虑早期的诊断和治疗，就应该把重点放在疾病扰乱网络上，这既是为了鉴定那些分泌进入血液的生物学相关分子用于诊断，同时也是为了从中发现一些新的药物，以便可以对疾病扰乱网络进行再工程化，使这些网络恢复正常行为并因此结束疾病的进程。我们还鉴定了器官特异性的血液标记，这使得血液成为了我们可以用来区分健康与疾病的窗口――所有的器官都有一些特定的标记分泌物进入血液，构成了一种通过浓度变化来报告从正常转入疾病扰乱状态的变化的分子指纹。

　　记者：为什么这么多发表了的生物标记还没有进入临床应用？

　　胡德：通过理性的选择生物标记，而不是进行随机鸟枪法搜索来检测疾病和健康之间的生物标记的变化，将大大地改善成功的状况。我猜测这些通过随机搜索发现的生物标记中的99%将不会是非常有用的，在大多数情况下，它们只是代表了生物学噪音而已。

　　“大型数据集的真正问题是这些数据集存在大量的信躁比问题。”

　　记者：要使P4医学成为一种现实，哪些技术是我们需要的呢？

　　胡德：首先，一项重大的进展是，现在我们能够对一些家系进行全基因组测序，来鉴定一些与简单遗传疾病相关的基因，包括我们正在开始的在一些更为复杂的遗传疾病家系中进行的基因组测序，这两方面的研究看来前景是不错的。其次，个人基因组将与日俱增地给我们提供了个人未来健康轨迹的深刻见解，一种革新性的技术是开发用于本质上所有人类蛋白质的靶向蛋白质组学试验，这种方法是我所在的系统生物学研究所近期发表的。第三，一个新领域是微流体芯片的使用，目前它不仅能够达到对数十种蛋白质进行定量分析，而且最终达到在几分钟内从一滴血液中对数千种蛋白质进行定量分析。制造这些仪器相对来说是便捷的，除了有一件事情，即我们需要更好的蛋白质捕捉剂以进行蛋白质化验，比如核酸适合体或肽结合剂。第四，单细胞分析将会发挥其惊人的重要性，用以评估各种细胞中各自不同的量化群体。它提供了这样的一个想法，我们可以通过对单个细胞的研究，而不是对细胞的平均化群体来建立相关的生物学，这将为我们认识癌症生物学、发育生物学和生理学带来崭新而且至关重要的视野。

　　记者：我们将如何完成从疾病治疗到疾病预防的范式转换？

　　胡德：对疾病的系统认识给我们带来了鉴定药物靶标的全新战略。药企们擅长于从得到的药靶来制造药物，但是他们在选择靶标方面的情况却是很糟糕的。如果你理解了疾病扰乱网络的本质，你就可以将疾病扰乱网络再工程化成为正常状态。在大多数情况下，这种认识可以很清晰地指导用药，我们将需要一些良好的生物标记来检测这些网络的早期变化。它是一种简洁的步骤，可以设计药物（从你的基因组序列中预测得到）来预防潜在的疾病扰乱网络进入疾病扰乱状态，从而成为真正的预防性药物。

　　记者：这意味着未来的卫生护理将以一种什么样的形式出现？

　　胡德：在今后十年中，卫生护理的核心将从疾病转移到身心健康上。我们正在开发一些度量指标来评估某个个人的身心健康状况，包括以后的健康产业规模将使目前的卫生护理产业相形见绌。未来的医学将完全集中于关注个人，我们将拥有类似苹果牌随身听（iPods）那样的先进资讯工具，以实现对庞大数量的个人数据进行记录，并将其传递到服务器中进行分析。这将能够监控你的身心健康状况，并随时发送“请慢点吃”类似的信号来报告你的健康状况。

　　记者：在目前生物学领域中，有一种数据分析滞后于数据产生的倾向，您注意到这种变化吗？

　　胡德：我认为，大型数据集的真正问题是这些数据集存在大量的信噪比问题。如果你对一种给定的表型应答进行测度，结果可能会是一系列不同生物学现象的总和。如果你只对它们中的一个信号感兴趣，你就应该能差减掉其他信号。学会进行生物学差减法是P4医学中的重大挑战之一。这就是为什么全基因组关联研究只有边际性的有效的原因所在，因为信噪比问题是无法抗拒的。