▲计算生物学也许能带来新的治疗线索（图片来源：H-ITS.org）
雪莉·佩克（Shirley Pepke）是加州理工学院的一名计算生物学家。和大部分科研人员一样，发表学术论文对雪莉来说是家常便饭。但她即将在2017年发表的一篇论文，却显得有些特别。
这项关于卵巢癌治疗的发现，首个应用对象正是她本人。
突如其来的晚期卵巢癌
雪莉是一名半路出家的生物学家。拥有物理博士学位的她原本是一名软件工程师，并曾协助NASA开发了一款用于火箭发射的人工智能程序。随后，她将自己在算法开发上的专长应用到了生物学领域，以分析和处理高通量的基因组数据。
2013年，雪莉的身体出现了一些不适，检查的结果也证实了她的担心——骨盆的超声扫描显示，她患有晚期卵巢癌，肿瘤已经扩散到了她的整个腹腔。医生告诉雪莉，她活满5年的概率不到40%。
听说这个消息后，雪莉立刻决定要用计算生物学的方法研究自己的肿瘤。她想要利用大数据的力量，找到为何不同人对癌症的反应有所不同。从这些数据中，她希望能找到治疗自己癌症的方法。
“留给我的时间不多了。我的女儿才2岁半，我要尽可能延长我的生命，而不是被动地祈祷一切会变好，”雪莉说：“我非常擅长用计算的方法研究复杂系统，研究癌症对我来说最自然不过了。”
在得知雪莉的病情后，同事们也及时向她伸出了援手。一些同事帮她联系了加州地区的科研人员，并协助雪莉对肿瘤进行了测序。这些基因测序的结果能确定雪莉肿瘤中特有的基因突变，并有望寻找到潜在的靶向治疗方法。然而结果让雪莉失望了——基因测序找到的突变并没有多少治疗上的指导意义。
另一些同事则为她提供了大量基因表达的数据，期望能找到一些基因组没有提供的信息。“基因表达的数据能告诉我从DNA到蛋白所需的时间，有多少蛋白会被合成，以及基因上有没有表观遗传的修饰，”雪莉说：“这也许会影响到肿瘤对疗法的响应。”
然而基因表达的数据库太复杂了。即便是雪莉这样的数据专家，对此也感到难以下手。一条自我拯救的道路，似乎走到了尽头。
当人工智能遇上免疫疗法
“你认识格雷格·维尔斯特格（Greg Ver Steeg）吗？他也许能帮你。”雪莉的一名朋友建议道。格雷格是南加州大学的一名教授。在攻读博士学位期间，他的主业是分析黑洞；而在南加州大学，他利用数学工具来评估社交网络的影响力。这两个看似毫不相关的领域有着一个共同点——它们都需要分析复杂的数据，而这些经验也许能帮到雪莉。
▲关键时刻，格雷格向雪莉伸出了援手（图片来源：USC）
听说雪莉的故事后，格雷格毫不犹豫就答应提供帮助。“这比我之前所做一切工作都要紧急。”格雷格说。
幸运的是，格雷格正在开发的机器学习方法能从大量数据中寻找到隐藏的线索——“如果你看到很多事物都相互有着关联，那么这背后一定有着什么你没看到的关键因素，”格雷格说：“在生物学领域，这样的隐藏因素有很多。例如，基因表达就能告诉我们疾病如何发生进展，以及哪种疗法会起效。”
在等待分析结果的同时，雪莉接受了多次化疗。她的医生用“肿瘤指数”来评估她的治疗情况——正常人的肿瘤指数小于35，而雪莉的数据要超过15,000。化疗后，雪莉的肿瘤指数最初出现了一定的下降，但马上，这个数字又重新开始上涨。后来，化疗对她已经不起作用了。“大多数医生都觉得我就要死了，”雪莉说：“我当时非常沮丧，也失去了勇气。在我看来，他们给我的任何治疗都已经不管用了。”
但在一年后，原本看起来杂乱无章的数据在人工智能的解析下，突然变得有意义起来。“它找出了其他算法无法找到的信息，这既优美，又富有信息量。”雪莉说。
人工智能显示，雪莉的免疫系统存在一定问题，这让肿瘤在体内肆无忌惮地生长。
得知这个结果后，雪莉立刻与她的医生进行了一次长谈，并将治疗方案从常规的化疗，改为了一项还处于临床试验阶段的免疫疗法。“我知道我的免疫系统需要迅速采取行动。如果我不这样做，我很快就会死。”雪莉说。
保险起见，在接受了免疫疗法的治疗后，雪莉又接受了一轮手术与化疗。两个月后，她迎来了复诊。等待核磁共振扫描结果的过程是漫长的。在不安中，雪莉等到了扫描的结果。
肿瘤消失了。
后记
如今，一年多的时间过去了，雪莉依然没有任何复发的迹象。看起来，格雷格开发的算法让雪莉找到了正确的治疗方法。
“得到这些肿瘤的信息对我来说非常关键，”雪莉说：“我希望它也能造福其他女性。”目前，雪莉与格雷格的论文已经递交，并有望在近期问世。我们期待在未来，癌症患者不需要有专业的科学知识，就能从精准医学与量身定制的疗法中受益，找到最合适的疗法。
参考资料：
[1] How a researcher used big data to beat her own ovarian cancer
[2] Biologist recruits USC researcher to study cancer — her own
