【NGS接龙】谱元科技创始人覃俊杰：微生物检测的创业之路（上） ...

人类发展好比一台漫长的的舞台剧，仿佛所有角色都由毫无经验的新人扮演，在不知所措中出场，一边了解剧情、一边努力表演。在短暂的上场时间里，有的自信满满，有的小心翼翼，有的起起落落，有的平平稳稳，但没有谁能真正评价你演出的好坏，只求能充分发挥大自然赋予每个人的天性，不虚度这个仅有的出场机会。

我的天性是喜欢数字，喜欢推理，更喜欢挑战。中学期间参加过各种奥赛，唯独生物没有获奖。特别喜欢阅读科学史和各类科普著作，例如《第一推动丛书》，唯独没有读完其中的生物学部分（《细胞生命的礼赞》、《我们为什么生病》等）。高考前一次有关基因工程的讲座，让我一时冲动选择了一个陌生的、但自认为会有用武之地的生物专业。

说实话，本科的生物课程是违背我天性的。专业课程中，充满着大量观察性、描述性的知识。让我不得不把更多的精力投入在高等数学、大学物理、全国数模、美国数模、ACM（大学生程序设计竞赛）等非生物专业的活动中。大三时一次偶然的机会，读到一本讲人工智能的书籍。当时脑海中突然闪现出一个想法：计算机科学发展的更高目标是写出具备智能生命特征的代码，而生物科学正在用细胞学、分子生物学、计算机等技术去破译已经存在的生命代码。两门学科不约而同地在做同样一件事情——理解生命，只是角度不同而已。这次思路上的“想通”，也让我自豪地再次选择作为生物专业学生了。

一次偶然的机遇，知道北京顺义有一家适合我的地方——华大基因。当得知自己的三人小组获得美国大学生数学建模竞赛的一等奖之后，我们既高兴又彷徨。我们喜欢用数学、物理知识去做科研，但是在生物科学领域有适合我们的方向吗？鼓起勇气给中科院理论物理所的郝柏林院士发了封email，说明了我们的情况。没想到他很快回信并推荐了华大。后来，我通过进入中科院北京基因组所读博士，正式加入了华大——在这里，让我真正全面认识生物信息学，源于四次启蒙：

第一次启蒙，是李松岗和郑伟谋两位老师，那是在研究生面试中。他们的提问非常细致和严谨。我面试完的心态是：不管他们对我是否满意，反正我对这两位老师是非常满意的！严密的分析推理，以及生物数据背后的理论模型基础，这是生物信息学的基础，也是这两位老师在日后教会我的。

第二次启蒙，是听王俊在中科院研究生院的讲课，后来也成为他的博士生（导师喜欢我们直呼姓名，或者叫老大，本文中使用前者啊）。抛开“个人魅力和前排座位很难抢”不谈，王俊从一张貌似简单的测序深度分布图中教我们分析，得出一系列之前想象不到的结论。此后，每次给王俊汇报工作进展，我必须也只需要准备好两点，一是分析结果图，二是其中的结论，也就是point在哪里。我导师以他过人的聪明才智，教会我一个道理：再复杂的研究工作，如果不能简单清晰地表达出来，并让外行人听懂，这就意味着研究工作的失败。

第三次启蒙，是下学期听汪建老师的课程。“未来的生物产业是什么，你们可以想象吗？一个复杂的分子生物学实验工作都可以装到这样一张芯片上完成。”汪老师以他前瞻性的眼光和产业化思路，让我看到生物信息学未来的应用前景更加广阔。实验都能自动化地在芯片上完成了，肯定要大量借助计算技术去分析处理各种信号啊。未来的生物信息学是属于敢于创新、敢于交叉的人才。

第四次启蒙，是回研究所后，跟着李恒、阮珏、李瑞强、郑鸿坤、张勇等众多生物信息学前辈一起工作。例如，首次实现的生物信息算法是序列比对。在李恒师兄的要求下，非常关注时间复杂度和空间复杂度。后来学习的Perl编程，更多地只是开发生物信息流程，而李恒、阮珏两位师兄教我的，才是最核心的生物信息学开发工作。可能是受ACM影响，我当时经常是快速写完一个算法，甚至用数学分析后的公式直接得到结果后，就认为开发工作完成了。任何一个严谨的、成熟的生物信息学软件都是一个软件工程。我初到华大时，大型机上很多好用的软件都是几位师兄用C、C++等开发好的。在二代测序数据的分析中，非常有名的华大SOAP系列软件包，是李瑞强师兄以及一些计算机专业的朋友共同开发完成的。同前人相比，国内的生物信息算法开发工作还有待加强啊。

在生物信息领域，我认为有两类人很受欢迎，一类是计算机或数据挖掘基础较好的，可在理解生物学问题的基础上开发一系列稳健的、易用的生物信息算法和软件；另一类是生物基础较好的，并且会编写简单流程和使用现成生物信息软件，可带着各种生物学问题对数据进行个性化的分析探索，最好再能根据生物信息分析结果来设计新的实验方案。

工作领域太多，可能一个也不突出，也可能会在最后等到一个新的机会。在参与了多个项目，熟悉了各种分析方法和生物学问题后，我终于等到了属于自己的方向。这得感谢师姐——马丽佳，觉得我总是这样在各个项目里“打工”是不符合博士生要求的，所以抓住一个机会把导师从欧洲带回来的MetaHIT项目（欧洲人体肠道微生物群落研究项目）交给我负责。是偶然也是必然，因为当时只有我一个博士生没有自己独立工作的方向。

尽可能得到前人的指导，站在前人的肩膀上，让我一直觉得自己是非常幸运的，总能遇上各种给我帮助的老师，例如生物信息学方向，以及这里要介绍的微生态研究方向。MetaHIT项目主席Dusko教授，在我心中他是一位德“艺”双馨的微生物学家。当我淹没在数百万的肠道菌群非冗余基因中而束手无策时，他举重若轻地告诉我：“非常好！你看，平均每个细菌差不多有几千个基因，换算过来，每个人肠道里大约只有1000种左右不同种类的细菌”。天哪，怎么能这么计算呢？太不严谨了。两种进化距离较近的细菌会共有更多的基因，更不用说同一种细菌下还有不同的菌株，而我们构建的基因集中已经把这些高度相似的基因去除了。我立刻非常认真地把这种观点表达出来。出乎意料地，Dusko微笑地对我说：“俊杰，你说的都对，但是科学界目前还在争论人肠道环境里到底有多少种细菌。以前是通过分离培养法、通过16S基因检测法，来估计人肠道细菌种类，但是准确性都不如我们正在做的宏基因组方法。所以，虽然不严谨，但已经比当前认识进了一大步”。果如其言，后来别人引用我们这篇文章时，常引的结论就是基因个数和细菌种类数。

复合背景才能更好地驾驭交叉学科。从2008年第一次分析宏基因组数据开始（汶川地震时，在陈晨师兄指导下进行环境微生物宏基因组数据分析），到现在已经有近8年共1万多小时的投入了。一开始是计算机技术用得多些，如超大数据集的组装、基因集构建、各种分类算法开发等。然后是数学用得较多，如微生物丰度的生态学模型、宏基因组数据关联分析、预测模型等。再后来是生物学用得多些，如重要物质的代谢通路、新发现细菌的分离培养、特定生境的微生物特点等。到现在，我觉得还要大量学习医学知识，因为这些共生微生物都会对宿主产生影响，所以宿主的健康疾病状态也需要专业的研究。可以预见，接下来我们还需要社会科学、大数据科学等新知识的注入，来帮我们更好地理解微生物世界。微生物世界，好比人类世界的缩影，只是尺度不同，复杂度上没有差异。生活在同样的环境中，为什么这种菌会在你体内定殖，这是必然的吗？让我彻底理解这种逻辑上的必然性，就如同理解生物进化一般，偶然和必然共同决定了生命运动的轨迹。

注：如需转载请注明来源（测序中国），谢谢！