美国分子生物学家罗伯特·温伯格（Robert Weinberg，下图）及其领导的实验室，在癌症起源的研究中作出重大贡献而闻名。他在应《自然》杂志之约撰写的这篇文章中认为：相对癌症基因组研究投入的时间和财力而言，能展示的东西实在是太少了，而且所采用的研究途径正在损害经过验证的科学以及科学方法的创建。
传统上被视为描述性科学的生物学，在20世纪成为了一门假设驱动的实验科学。而与此密切相关的是愈益占主导地位的还原论，即通过分解结构成份予以离析研究来理解复杂生物系统的观念。这些方法在过去半个世纪对我们助益匪浅：见证了分子和细胞生物学、免疫学、神经生物学以及遗传学领域所引发的革命。目前，我们对致病机理的深刻理解，超过了50年前不切实际的推测。
假设驱动研究落伍？
现在，假设驱动研究其统治地位受到了挑战。很多人认为，传统的概念工具无法测绘使单细胞和复杂生物体茁壮成长的庞大复杂性，而近年来的技术创新已形成一条切实可行的替代途径。如今，我的学生在收集某些类别的实验数据方面，要比40年前我做同样的事快10000倍。同样在癌症研究领域，各种新技术有望使诊断、治疗以及洞悉疾病发病机理的认识大为改观。那么，以假设为前提的老方法是否已落伍？我看未必。
新的生物学时代始于十多年前对人类基因组的测序（包括基因组学、蛋白质组学、代谢组学等），其成功毋庸置疑：数以万计的研究项目从人类基因组数据库的创建和研究中获益巨大，其中不乏着眼于识别和概括具体特征的尝试。尽管比例愈益增大的国家研究预算经费被投入到人类基因组计划领域中，然而，因此去掉20或30个小规模的假设驱动研究项目是否值得？
从一个癌症研究者的角度来看，由假设驱动的科学所取得的成功是显而易见和不可否认的。它延续了半个多世纪，而且继续在日复一日、年复一年地产生从概念上深入洞察问题的新见解。相比之下，研究生物学的新方法并没有经过那么严格的检验，以致其长期效应仍难以估算。
就表达阵列分析而言，利用小干扰RNA（siRNA）全基因组文库来抑制大批基因，进而识别癌症背后的奥秘，看似是一种新旧结合的方法。尽管它对最终形成的结果缺乏明确的先人之见，然而却包含着有关未来生物学表现型的显而易见的假设。这种现处于初创阶段的方法已表现出引人注目的多产性。
创新性概念的来源
对整个肿瘤基因组（或它们的编码外显子组）的测序耗费了大量的资源和精力，迄今获得的回报并不是太高：发现了涉及肿瘤形成的几个新的癌基因和肿瘤抑制基因（前列腺癌中的BRAF、IDH1/2和易位），以及一种测量肿瘤细胞基因组的遗传性方法。
至于形成人类肿瘤究竟需要多少体细胞突变，这些大规模的数据生成计划尚未提供明确的标准，也没能使我们在弄清个体肿瘤如何发展方面取得多么了不起的突破，而为此付出的代价却是高昂的。尽管随着技术成本的降低这种情况可能会改变。与此同时，不计其数的被证明是概念性创新源泉的较小实验研究项目，却在为生存而苦苦挣扎。
有争议的是，现在最具雄心的大规模研究涉及到把单个细胞内相互作用的信号组装成电路图，旨在阐明单个细胞为什么以及如何对外部信号做出反应，以此判断这些细胞的未来行为。从审美角度来说，这些电路图看似令人耳目一新，但对细胞和组织如何表现及其行为方式，目前几乎还不能给出一个概念性的见解。在一些人看来，尽管对单个信号处理的透彻理解是预测整个信号通路行为的先决条件，然而这个观念通常被认为是老式的还原论而不予考虑。
同样存在风险的是，项目资金分配的转型其带来的后果将影响整整一代人。由于在筹措资金以开展和扩大此类研究项目中存在的巨大困难，主要从事小规模的假设驱动研究的实验室已对众多年轻人失去了吸引力。由此造成的长期效应是：很多生物学学科无法吸引最具才华的年轻人――毕竟，他们是推动科学进步的引擎。没有他们，在未来的征途上我们将会迷失方向。
资料来源Nature
责任编辑 则 鸣