记者3月28日从业内获悉，被业内称为“破解生命密码”的国家重点研发计划项目——“前沿生物技术”重点专项“全基因组-环境/生活方式暴露与跨尺度表型组大数据整合分析”日前正式启动。

　　项目由福建医科大学副校长、公共卫生学院院长叶为民教授主持，医渡科技与复旦大学、西湖大学、武汉大学、山东大学、中国科学院上海营养与健康研究所、中国医学科学院北京协和医院等10家优势单位协同攻关，为心脑血管疾病、糖尿病、恶性肿瘤及慢性呼吸系统疾病四大慢病防治策略及措施开发提供新思路。

　　作为核心参与单位，医渡科技主要承担疾病风险预测模型构建、多维表型组学数据整合分析系统建设等关键任务。项目的启动是我国在精准医学领域又一关键落子。

　　如果说人类基因组计划让科学家手里有了探索生命奥秘的“指南针”，那么人类表型组计划就将打造未来遨游生命科学世界的“全球卫星定位系统”。表型组数据具有量大、跨尺度和多维度等特点，在与遗传易感性、环境暴露及生活方式等传统疾病风险因素整合分析时，面临数据质量不一、缺乏共享云平台及多维数据分析方法有限的问题。因此需要建立数据归档标准，构建高性能云平台，并开发多维组学数据计算方法，为表型组在疾病防治研究中的应用提供必要的数据、平台和方法支持。

　　表型组已经成为继基因研究之后，事关生物医学技术长远和全局发展的战略高地。项目团队将着眼国际科技竞争前沿，建立覆盖“表型组数据采集-存储-分析-应用”的全链条方法体系，将利用我国人群队列，聚焦心脑血管疾病、糖尿病、恶性肿瘤及慢性呼吸系统疾病四大慢病。

　　例如，绘制疾病发生发展过程中宏观至微观表型的跨尺度关联图谱，全面解析遗传和环境/生活方式暴露下、机体宏观疾病、功能、器官表型至微观分子、细胞表型特征变化；绘制疾病发生发展过程中跨尺度关联图谱，发现疾病防治关键靶点；利用机器学习、深度学习等方法构建人工智能疾病风险预测模型。

　　如果把人体比作一本复杂的“生命密码本”，那么这项研究就是要破解其中的关键章节。医渡科技重点参与“常见疾病关键靶点及预测模型研究”任务，负责预测模型构建与多维表型组学数据整合分析系统建设。研究团队将依托福清队列数据，整合传统危险因素与图谱筛选的候选特征，运用机器学习、深度学习等技术开发独立与综合风险预测模型，并实现算法软件化，助力算法、模型或分析流程在疾病防治研究中的推广应用。

　　医渡科技的“AI医疗大脑”YiduCore，经授权处理分析了超55亿份医疗记录，覆盖超2800家医院网络，疾病知识图谱基本涵盖所有已知疾病。