数字生物发展态势（一）—数字生物标志物

关于数字生物，目前国内外尚存在不同的界定，国内外研究人员关于数字生物的研究主题主要有数字生物学、数字生命以及广义数字生物等。复旦大学余龙等研究的数字生物是人工生命领域中的一个重要分支，它以生物进化为模拟对象，以程序编码本身作为单个生物，可以进行自主生存、自我繁衍、变异、死亡和个体间相互竞争等一系列具有生物特征的行为活动。该主题的数字生物的设计思想起源于1960年代贝尔实验室的Corwars游戏，1990年Thomas Ray编写了的Tierra系统，宣告了该主题数字生物系统的正式诞生。而数字生物学是将数字技术和生物学结合起来的一种新兴学科，数字生物学的应用范围包括生物信息学、新药研发、基因工程等领域。目前通常理解的数字生物（Digital Biology）是指将数字技术应用于生物领域，以解决生物学研究中的问题。本文主要解读广义数字生物技术，即数字技术+生物技术的融合。

近年来数字生物的热门研究方向包括数字生物标志物、数字合成生物学、基因测序、AI+数字生物等。应用层面看，数字生物技术在精准医疗、生态保护、人工智能、农业领域均得到广泛应用。

数字生物标志物（Digital Biomarkers）

数字生物标志物即通过数字化手段将人类所释放的“信号”变成一种可量化、具有临床可解释性的客观标准，用于发现、解释或预测疾病走向。数字生物标志物约在2017年后成为数字生物领域的热门研究主题，在2021年达到研究热潮，其主要应用于慢性病为代表的各类疾病监测管理和诊疗决策支持，尤其在帕金森、阿尔兹海默症等神经功能障碍疾病方面受到研究人员关注。

• 2020年爱尔兰都柏林三一学院神经科学研究所Laura Rai等研究展示了基于神经运动指数NMI数字生物标记的模型在预测MCI个体痴呆进展方面的普遍性和稳健性，NMI操作简便、诊断准确度高、评估简洁和无创性使其成为参与者筛查的理想工具，除了风险预测和疾病监测之外，还可以缩短登记周期和繁琐筛查的成本。虽然市场上有许多数字生物标志物，特别是在神经退行性疾病方面，但NMI凭借其高灵敏度和快速评估而脱颖而出，可以作为阿尔茨海默病精准医疗计划的起点。
• 2022年8月，麻省理工学院Yuzhe Yang等开发了一个人工智能模型，仅通过读取一个人的呼吸特征就可以检测出帕金森病，该研究表明人工智能可以提供传统手段上无法获得的临床见解，在这项新研究中，该团队开发了一种新的基于人工智能的神经网络模型用于检测帕金森病、预测疾病严重程度并使用夜间呼吸（即睡眠时的呼吸特征）跟踪疾病随时间的进展，其研究表明该系统可以用于临床诊断前的风险评估。
• 2023年9月约翰霍普金斯大学Kyurim Kang等报道了使用数字健康技术平台区分进区分帕金森病（PD）和进行性核上性麻痹（PSP），主要技术方案为在Bio Digit Home平板电脑上记录标准化的段落阅读、计数和持续发声，并使用Bio Digit语音平台分析评估的语音特征。
• 2023年8月东北大学李志刚等报道了使用血浆光谱数字生物标志物和机器学习实现阿尔茨海默病的无试剂鉴别。
• 2023年英国伦敦大学学院皇后广场神经病学研究所Ashwani Jha等对数字生物标志物在帕金森病的治疗和预测方面的发展现状进行了评价，认为帕金森病的数字生物标记目前处于“只见树木，不见森林”的状态。

总体来看，数字生物标志物通过对语言、运动等行为进行监测并建立预测模型，通常需配合数字化、智能化设备的使用数据监测与记录。随着信息技术设备的发展，利用数字化设备对疾病进行客观评估与治疗监测应用愈加广泛，目前已有多种可穿戴式设备用于帕金森病的运动模式识别及追踪，例如惯性传感器和表面肌电图能够捕捉患者活动的次数和强度，记录活动频率和幅度、肢体震颤、步态和平衡障碍等相关指标。

 参考文献：

[1] Abdur Rasool, et al. BO-DNA: Biologically optimized encoding model for a highly-reliable DNA data storage[J]. Comput Biol Med. 2023-08-28, doi: 10.1016/j.compbiomed.2023.107404

[2] Ashwani Jha MRCP, et al. Digital Biomarkers in Parkinson's Disease: Missing the Forest for the Trees? [J]. Movement Disorders Clinical Practice. 2023, 10(S2): S68-S72

[3] Corey M Hudson, et al. Genomic and Synthetic Biology Digital Biosecurity[J]. Pac Symp Biocomput. 2022, 27: 402-406

[4] Laura Rai, et al. Digital Biomarkers Based Individualized Prognosis for People at Risk of Dementia: the AltoidaML Multi-site External Validation Study[C]. GeNeDis, 2020: 157–171