谷歌创始人布林:动用计算机算法对抗老年痴呆

文章正文
发布时间:2024-09-11 12:37


谷歌(微博)联合创始人谢尔盖·布林(Sergey Brin)经常练习跳水。“跳水这项运动短暂而剧烈,”他说。“可以马上提高心跳速率。”

但跳水对他来说还有另外一个好处。从家族遗传学的角度来看,布林患上帕金森症的风险很高,而每跳一次水,这种风险就会减少一点点。在布林身体的每个细胞内,12号染色体的LRRK2基因都存在一种基因突变,它与帕金森症的发病率关系密切。

不是每个有这种基因突变的人都会患上帕金森症,但它确实增加了患病机会。普通美国人患这种病的风险约为1%,但有这种基因突变的人患病率达到30%-75%。从布林本人的DNA来看,他患病的可能性是50%。所以他采取了一些保养措施,运动、喝咖啡、喝绿茶……用环境因素来抵消DNA的影响。

他说,“饮食、运动这些方法,可以让我的患病风险下降一半,到25%左右。”他觉得,神经科学的稳步发展,会把这种风险再降低一半,把可能性降至13%左右。虽然这些是推测,不过他解释得有理有据,让人信服。

当然布林绝不是普通人,他拥有百亿美元身家,这为他提供了额外的好处。自从知道自己携带LRRK2基因突变之后,布林捐献了至少5000万美元给帕金森症研究活动,他认为这笔钱可以“真正改变局面”。随着研究活动的增多,布林再次调整了自己的整体患病风险,“风险下降到10%以下。”这仍然普通美国人的10倍水平,但已经比他本身50%的患病风险下降了很多。

谷歌风格的科学

这听起来如此务实,如此显而易见,差点让大家忽视了一个惊人的事实:很多慈善家都资助了某些疾病的研究,他们自己也被诊断出患有这些疾病。但是,布林可能是第一个基于基因测试而捐献科研经费,希望自己避免患上某种疾病的人。

布林的做法值得注意还有另一个原因。这不仅是一种公益科研创投,而且布林是在寻求一种完全不同的科学。大多数帕金森症研究工作,就像一般医学研究一样,依靠的也是传统的科学方法:假设、分析、同行评审、发表论文。但布林提出了一种不同的方法,使用计算能力和海量数据集来推动研究。这种方法来源于他对算法的理解,带有谷歌那种对计算能力的信心,目的是加快科研步伐,增进科研潜力。 “我已经习惯了互联网界,在我看来,医学界的研究步伐简直和冰川移动一样缓慢,”布林说。“我们可以查找很多东西,收集大量信息。如果能发现一个模式,就有可能找到出路。”

换句话说,布林希望另辟蹊径,绕开盛行了几个世纪的科学认识论,转向一种更具谷歌风格的科学。他想先收集数据,再假设,然后发现有价值的模式。而且他也拥有足够的资金和算法武器来做到这一点。

家族遗传

布林对数字的信心,对“知识就是力量”的信心,来源于家族传承,他的父母都是俄罗斯裔科学家。布林的母亲在1996年出现一些症状时,联想到自己姑妈患上帕金森症的经过。但当时科学界认为帕金森氏是不会遗传的,所以布林并不理解母亲的担心。 “我认为她想太多了,太不理性。”他说。然而经过进一步的测试之后,布林的母亲在1999年被诊断出患有帕金森症。

LRRK2基因突变和帕金森症的关系是在2004年发现的。2006年,布林的妻子安妮·沃西基(Anne Wojcicki)创办了个人基因公司23andMe(谷歌是投资者之一)。布林作为alpha测试者,很早就看到了自己的基因组结果。不久23andMe公司就发现,布林和他母亲都有LRRK2基因突变。

布林没有惊慌。他花了数个月来考虑此事,请教专家。但很快,他就意识将这件事保密是不切实际的。布林说,“我还不如公开此事,这个信息似乎是值得分享的,甚至可能是有趣的。”所以在2008年9月的一天,布林开了博客。第一篇文章直接就叫《LRRK2》。

有毒的知识?

从某种意义上说,我们一直在使用遗传学来预知自己患上疾病风险。当我们谈论家族病史时,我们主要谈论的是DNA,是对于我们自身的健康而言,父母的健康状况提供了什么线索。遗传扫描只不过是一种更现代的方式,来把我们的家族历史和我们的未来可能性联系到一起。

但是DNA检测如此精确,可能会让人觉得化学物质决定了命运,觉得它包含着黑暗的、冷酷无情的秘密。这就是为什么基因信息有时被说成是“有毒的知识”的原因。用斯坦福大学生物伦理学家汉克·格里利(Hank Greely)的话来说,让人们可以直接访问自己的遗传信息,是彻头彻尾的“鲁莽之举”。

在科学发展的早期,这倒也有几分真实。但出人意料的是,基因信息“有毒”的观念一直延续至今,可能是因为它假设人们缺乏自我了解的秉性。但研究表明这种假设是没有根据的。

一项关于阿尔茨海默氏症的研究称,在告知人们患病风险较高的坏消息时,“预期人们会做出灾难性的反应。抑郁症、自杀、辞掉工作,抛弃家庭。研究者想到了最坏的状况。”

但是事实与之相反。那些被告知阿尔茨海默氏症患病风险较高的人,似乎能用正能量来处理这件事,在后来的生活中,他们往往选择了更加健康的生活方式。 “人们会去应对问题,似乎并没有产生任何明显的抑郁症状。”

换句话说,对于看起来非常糟糕的消息,我们大多数人都会像谢尔盖·布林那样去应对:研究一下我们究竟有哪些选择,寻求建议,然后继续生活。 “每个人都面对着自己的挑战;每个人都有自己的问题要处理,“布林说。“这就是我的挑战。它不过是我老了之后需要面对的诸多问题之一。最重要的是,我能对此做些什么?”

随着布林对帕金森症的日益了解,在与沃西基探讨研究模型时,他意识到有一个更大胆的实验正在酝酿之中。

阿司匹林的教训

1899年,拜耳的科学家推出了阿司匹林。这种药对感冒、腰痛和牙痛效果很好,但是它的作用机制当时并不清楚。

直到20世纪60、70年代,科学家才开始逐步弄清阿司匹林的作用机制:阿司匹林可以抑制人体内一种名为前列腺素的化学物质,而前列腺素会引起炎症和疼痛。明白了这一点,后来的一个发现就非常容易理解了:1988年时,人们发现,隔天服用阿司匹林能够明显降低心肌梗塞。因为阿司匹林抑制了前列腺素,抑制了血栓的形成,因此也就降低了心肌梗塞或中风的风险。

阿司匹林的“二次发现”,被认为是当代医学研究的成就之一。但布林认为,我们应该从这件事中总结出另一个教训——在阿司匹林最初推出之后,到人们发现它和心脏疾病有关系之前的那数十年里,“有数以百万计的人服用阿司匹林,获得了额外的健康益处。”但这些益处与阿司匹林之间的关系被忽视了,因为没有人去关注这些病人。“所有的数据都丢失了,” 布林指出。

“购物篮分析”的力量

以布林的思维方式来看,我们每个人的生活都可以为科学洞见做出贡献。我们平常过日子,做出各种选择、吃东西、服药、做这样那样的事情——产生了所谓的“数据废气”(data exhaust)。在一个世纪前,你当然不可能真正利用这种信息的价值,特别是没有一个具体的假设来指导研究人员在寻找什么东西的时候。但是今天,利用现代计算能力,研究者可以对这些数据进行跟踪和分析。 “我们拥有的任何经历,或服用的任何药物,都是个人的信息片段,”布林说。 “单独来看它们没有什么价值。但综合起来,它们可以变得非常有用。”

在计算机科学中,挖掘这样的大型数据集来找到有用的关联,这个过程被称为购物篮分析(Market Basket Analysis),常常被用于零售购买模式的推导中。比如亚马逊就用它来告诉你,“购买X商品的用户也购买了Y商品”。

布林在斯坦福大学读书时,就对这个领域进行了研究。他在1997年的一篇论文中说,只要有了正确的算法,你可以从各种非常规的“购物篮”中找到有意义的关联。“不夸张地说,我们的患病经历就可能是其中之一。”

布林对“噪音数据”有很大的容忍力,这一点特别能说明问题,因为医学界倾向于认为“噪音数据”不是好事。生物医学研究人员往往把实验限制在可以严格测量的问题上。但强调纯度就意味着可供研究的病人数量比较少,也就会导致数据集的规模比较小,从而限制了研究的“power”,即发现结果为真的概率。

但是,越来越多的科学家,特别是那些有计算和信息理论背景的科学家觉得,这种研究模型是可以反转的。为什么不从海量的数据出发,来寻找模式和关联呢?

科学的第四范式

已故的微软研究人员、计算机科学家吉姆·格雷(Jim Gray)把这称为“科学的第四范式”,从假设向模式演化是一个必然进程。格雷预测,在各个学科领域,科学家会被数据洪水包围,除非他们重新界定科学过程的概念,并使用大量的计算工具来处理数据。“科学世界已经改变了,”格雷在2007年的演讲中说。从现在开始,排在首位的将会是数据。

格雷的老东家比尔·盖茨(Bill Gates)也在“第四范式”上压下过一笔小赌注:波特兰一家公司运用大型计算来快速模拟传统药物研究的试错法,盖茨向其投资了1000万美元。

谢尔盖·布林当然不是普通人。有多少人拥有足够的资源来扭转科学的曲线?又有多少人的配偶创办过基因学公司?布林不仅拥有这样的条件,而且他本人也有一种以数据为驱动力的思维方式,所以在谈到基因知识的时候,他可能比我们大多数人都更加淡定。很少有人会把自己的困境当作契机,促进一种新科学的发展,这是布林的与众不同之处。

但是我们之中的一些人,可能有一天也会面对布林那样的挑战,发现自己属于某种无药可治的疾病的高风险人群。然后我们会更多地进行锻炼,开始吃不同的食物,做出各种努力,同时等待科学研究的发展。从这个角度来说,布林的故事不仅仅是一个亿万富翁的故事,也是每个人的故事。

关键词:

阅读原文

分享到:

weixi

织梦二维码生成器