基因治疗、细胞治疗正在改变人类以往对于肿瘤的传统治疗手段，甚至为更多的晚期癌症病人带来生命的新希望。但生命现象过于复杂，单凭目前人类的认知仍然对众多的生命体内部运行机理存在疑惑。凭借强大的深度学习能力和整合分析数据能力，AI闯入人们的视线，试图通过整合分析庞大的生命数据为某些问题找到答案。生命科学领域将会和AI擦出怎样的火花？AI 将为生物世界提供怎样的想象空间？
5 月 10 日，由中国首家生物计算技术驱动的生命科学公司百图生科，与致力于 IT 和 BT 交叉融合的创新孵化中心播禾创新共同主办的 “首届中国生物计算大会” 在苏州金鸡湖畔拉开帷幕。围绕 “BT&IT” 主题，产学研资各领域专家分别从不同的角度探讨了生物计算的定义、边界以及 AI 对于生物数据的意义等话题。
其中，中国科学院院士、上海市免疫治疗创新研究院创始院长、上海交通大学医学院教授董晨为大家带来了题为《免疫治疗创新--从基础到临床转化》的演讲，从免疫学的角度提出了对生物计算未来发展的期望。
以下是董晨院士的演讲实录，动脉网进行了不改变原意的修改：
大家好，生物计算是一种方法上的进步，方法上的提高，终极目标还是为了人民健康。我个人是免疫学家，十年前跟着一公回到清华，当时是2011年，这十年来我一直在想怎么样能够帮助中国基础免疫学的提高，能够把免疫学的成果应用到临床的转化。这个过程也同样是生物计算不断进入科研、进入我们生活的过程。
今天稍微跟大家讲一些免疫学的概念，我也会讨论生物计算怎么样可以在未来帮助我们把满免疫学的一些规律和多样性搞清楚。我非常高兴百图生科今天的会议有一个免疫图谱的发起，也希望跟百图生科在这方面继续合作，同时也希望我培养的学生能够更多的进入你们的阵营。
免疫学是一个能够“上接天，下落地”的学科，有非常多的理论。该学科也是过去整个医学领域里面发展最快的领域之一，因为免疫学跟我们人类各种各样的生理现象和疾病密切相关。众多疾病的发生发展均归因于免疫系统的紊乱与病变。
从制药角度来看，免疫的方法或者针对免疫性疾病的免疫治疗一直是生物制药产业非常活跃的领域，2019年全球销售最好的十个药物中有五个和免疫学相关。最近免疫细胞治疗也成为新兴的治疗手段，受到大家的关注。
免疫到底怎么回事？在我们人类进化过程中，很难想象没有免疫系统进化到今天，如果在座的没有好的免疫力也很难坐在这儿不戴口罩。去年，由于新冠疫情的爆发，使得全民对免疫的关注和免疫知识的提高都跨了一大步，总体来说人体的免疫系统是为了对抗外界病菌，有非常成熟的规律，从细胞层面、分子层面也有非常多的问题值得我们关注。
新冠疫情爆发，新冠病毒对于人体来说是一个新的病毒，而且它（新冠病毒）有一个非常大的特点，对我们人群有一个“选择”——绝大多数在武汉被感染的人群是无症状的，有一部分人是有症状，然后被确诊。真正确诊的病人里面又只有20%左右会演化成微症和重症，甚至有一些死亡。这是什么原因？
实际上，我们人群的多样性到底如何决定我们对新冠病毒不同的免疫应答，这个问题至今还没有很好的解决。这个当然是跟遗传背景、跟很多因素有关，将来也许AI、也许机器能够告诉我们某个个体是否对这类病毒、或者对其他的病菌敏感，或是不敏感；哪些人可能对疫苗没有副反应，哪些人对疫苗有副反应。只有对健康的人和病人进行深入的研究，我们才能够发现这些规律。
去年，我们团队围绕免疫体做了世界首个研究T细胞免疫应答研究，该研究包括对康复者获得性免疫抗体和体细胞免疫应答。正常的人感染以后能够康复，是人体的体液免疫和细胞免疫同时发生，相互协作抵御病毒。而我们研究重症病人，发现他们体液免疫没有下降，但是细胞免疫存在重大缺陷。我们希望这些（不同人群免疫应答的差异现象）能够指导我们如何评估疫苗、开发疫苗。
目前，我们也在跟一些做疫苗的公司合作，希望疫苗的接种者能够进一步监测免疫应答。不同接种者的免疫应答不太一样，比如说某些接种者在接种疫苗以后需要睡一两天，甚至出现发烧现象，有些人则没有任何症状，这都需要我们基于生物计算的方法对已有的实验数据进行归纳和推演。所以我觉得，未来疫苗的开发和进一步提高肯定需要AI和生物计算的参与。
另外，除了传染病以外，其实我们人类也越来越多地受到慢性疾病的影响。慢性疾病成为我们社会经济的一大负担。很多慢性疾病跟免疫系统相关，有一些可以归纳为免疫过强，比如说花粉过敏现象，一些抗肿瘤的免疫反应，肝炎等。
肿瘤免疫越来越多地成为肿瘤治疗的核心研发的方向，肿瘤免疫治疗成为在传统的三种治疗手段之外的第四种治疗手段。当晚期的肿瘤病人通过肿瘤免疫手段实现最终治愈，这是人类对抗癌症历史上从来没有过的发现。肿瘤免疫治疗手段越来越成为一个主流。
现在癌症免疫治疗手段主要有两大方向，第一是通过给T细胞加上一些“眼睛”，让它能够识别肿瘤；第二就是对T细胞的负调控或正调控分子进行调节，使得T细胞的活性进一步增强。第二种方法最初的发现者是2018年获得诺贝尔生理学或医学奖的两位科学家（美国的詹姆斯·艾利森与日本的本庶佑）。
对于病人来讲，现在的治疗方法所倡导的“通过阻断T细胞的负调控分子提高免疫力”面临很多问题。第一就是有部分病人出现副反应，比如有些人会出现肠炎、心肌炎、皮炎等等，而这些情况临床医生没有办法预测，需要数据和分析来做进一步的结论；第二是响应率比较低的问题。怎么在临床上分析出哪一类病人对PD-1有反应，哪些人没有反应？现在数据越来越多，但是还没有很好的结论。
我们应该寻找什么样的免疫检查点或者其他靶点进行药物开发和有效的治疗？未来是不是在不同的肿瘤里面能够把病人进行进一步的区分，根据不同病人对于药物的不同免疫特征使用不同的药物？
我们希望将来在肿瘤的免疫方面的转化医学研究做更多的分析，对病人做更精准的分群。泽民做了很多工作，对病人肿瘤微环境中细胞的状态做了判断，能够根据这些数据预测病人可能对什么样的治疗手段更敏感，有效地提高病人治愈率和响应率，这也是我们希望未来机器、AI能够帮助我们人类去研究的一个非常重要的领域。
同样的情况在慢病疾病领域中同样适用。我们关注到不同的免疫抑制剂对不同的病人产生了不同的治疗效果，人群的异质性远远大于目前理论能够解决的的程度。
T细胞可以在不同的免疫应答中和免疫疾病中调节炎症反应。基于炎症反应的不同类型，或者T细胞的类型，我们可以把T细胞分成不同亚型。辅助性T细胞在我们免疫系统中非常重要，是调控抗感染的细胞，尤其是针对细菌和真菌的感染，在慢性自身免疫性疾病也有重要的作用。我们实验室2005年发现辅助性T细胞TH17，该发现迅速成为各大药厂药物研发的方向。
2008年人白介素-17阻断抗体开始进入临床试验，发现该药物对三大类疾病，银屑病、强直性脊柱炎、类风湿关节炎都有效，但也同样存在药物对不同疾病的患者使用存在差异性现象的问题——该抗体药物对银屑病非常有效，大概有90%以上的病人被治愈，但是对于强直脊柱炎病人来讲，只有50%有效。
我们能否通过遗传背景基因组的数据预测出哪些病人对该药物有反应，哪些病人对该药物没有反应，是我们感兴趣的。这其中到底是什么样的机理、机制，有没有检测方法能够把这部分人筛选出来，也是值得我们进一步研究的。
基于这些，我最近来到上海组建上海市免疫治疗创新研究院，希望把基础的研究成果和临床的问题很好的结合起来，希望通过研究疾病背后的机理，对现在所有的药物干预还没有办法受益的人群和疾病进行进一步的分析。
临床有很多疾病现在的治疗手段还是激素，这意味着我们对背后免疫学的机理缺乏研究和了解。基于这些情况，各类的数据怎么能够通过生物计算的方法、通过AI的方法，去帮助我们很好的设计临床试验，把各种参数利用起来，帮助我们分析免疫学调控的机理，这是我们迫切希望去做的。
生物计算跟医学问题的广泛结合，应该是药物研发和科学进步的下一个重要生长点。不能说是“唯一”，但是我觉得是非常重要的，也希望这方面大家一起能够形成一个生态，一起合作推进基于转化医学、基于人类疾病的生物计算的技术和研发。
最后再次感谢有机会来这里做分享，谢谢大家！
渝公网安备 50011202502165号
