“十四五”

此次获批后，Keytruda成为中国首个获批用于肺癌的PD1一线疗法，也是首个在中国获批两个适应症的PD-1药物。

今年3月，Grand View Research预测，未来几年，NGS市场将以12.78％的复合年增长率增长，从去年的84.9亿美元增长到2025年的197亿美元，这不仅是因为临床应用的推动（例如将该技术应用于伴随诊断），还与向新兴国家扩张有关。6. QIAGEN 2018年收入： 1.4亿美元 QIAGEN在2月5日公布了2018年第四季度和全年的NGS销售情况，并承诺2019年的NGS销售额将达到1.9亿美元，增长36％。

PacBio去年净亏损约1亿美元，高于2017年的9,218.9万美元。2018年测序公司中最接近100美元大关的是Veritas Genetics公司。Thermo Fisher将NGS纳入其生命科学解决方案部门，该部门在2018年占该公司243.58亿美元总收入的62.69亿美元安捷伦总裁兼首席执行官Mike McMullen 2月20日向分析师报告第一季度财报结果时表示， 我们NGS相关业务在本季度再次实现了两位数增长。可能有些人认为这还需要10年时间。

2018全球测序行业10大巨头：Illumina遥遥领先，赛默飞世尔第二 2019-04-10 09:09 · 顾露露 未来几年，NGS市场将以12.78％的复合年增长率增长，从去年的84.9亿美元增长到2025年的197亿美元 在成功实现1000美元测基因组的5年后，测序领域仍在努力将成本降至100美元，甚至低至10美元。Thermo Fisher表示，临床NGS测序是生命科学解决方案第四季度增长的关键驱动力之一，其他两项主要业务是生物生产和生物科学。在存储上，云平台基于分布式架构能够提供可弹性扩展的块存储服务。

从上世纪60年代DNA双螺旋结构被人类发现，到15年前人类基因组计划正式宣告完成，再到今天的个性化医疗，现代医学正从经验试错、同病同治的传统模式朝着同病异治、循证医学的方向升级，而基因测序也正发展成其中的重要组成部分。基因组时代下的数字痛点据测算，一个人一生与健康相关的数据整合起来大约10TB，一百万人的数据量约为10EB。以华为云为例：在计算上，云服务器可以搭载基因测序专用算法，以最少的时间计算出结果，降低计算成本。图片来源：Pixabay人类拥有23对染色体，约含有30亿对碱基，某种程度上可以说这些碱基是我们每个人的代码，而解读基因则是实现人的数字化。

如何解决算的没有测的快？如何从海量数据中挖掘有效的信息？ 这是专注于精准医疗领域的企业未来可能需要面临的难题之一。随后，技术更迭，以高通量测序（NGS）为主的测序方法让基因解读成本快速下降、速度大力提升、通量也随之扩大。

基因数据是人类的重要资源，从其测序、存储、共享，到输出给科研、医疗机构，只有最终转变为有效的遗传解读、诊疗手段或者药物，方能显示出价值。1975年，英国科学家Frederick Sanger发明了Sanger测序技术，由此开启了基因测序的新篇章。而且，样本数据库需要流通，孤立的数据无法发挥最大价值。据悉，华为云已与武汉未来组、贝瑞基因、金橡医学等企业达成合作，为测序企业的数据运算、存储保驾护航。

测序数据处理和分析的技术壁垒较高，是掣肘基因测序企业发展的关键因素，也是企业核心竞争力所在。华为云专注于底层资源算力的领先，上层选择与这些企业生态伙伴合作，共同创新，形成联合解决方案满足基因行业多样化的技术诉求，并且对客户和合作企业的数据保持清晰的边界。而且，测序仪运行产生的原始数据并不能直接提供关于疾病的信息，测序企业需要依据生物信息学的方法，对海量的测序数据进行复杂的过滤、比对、拼接和处理、数据分析等重重步骤，才能获得基因组上的变异信息，再结合遗传学、病理学以及其他组学等信息共同分析，最终才能转化为人们可理解的生物学数据，为疾病的诊疗提供参考和指导。这些问题都是测序行业亟待谨慎解决的课题。

后基因组时代，如何挖掘海量的基因数据？ 2019-03-19 10:00 · 李华芸 云化发展可以提供高性能、高可靠、简便安全的计算服务，满足生物医药中基因测序等需求，缩短产品上市周期，提升企业效益。通过基因组、蛋白质组、代谢组等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗的目的，提高疾病诊治与预防的效益。

参考华金证券股份有限公司研究所报告，目前国家基因库的原始数据量已经达到1000TB，对于这种规模的数据库，简单的数据分析就可能需要很长的时间，会碰到严重的数据输入/输出问题。依据现有测序技术计算，每次单人全测序可能产生1.5T数据，传统IT计算能力针对这些数据分析和解读，每次计算至少需6天时间。

这对于临床应用而言，时间上无疑是耗不起的。中国工程院院士、北京大学医学部主任詹启敏曾说过，精准医疗的重点不在医疗，而在精准华为云专注于底层资源算力的领先，上层选择与这些企业生态伙伴合作，共同创新，形成联合解决方案满足基因行业多样化的技术诉求，并且对客户和合作企业的数据保持清晰的边界。参考华金证券股份有限公司研究所报告，目前国家基因库的原始数据量已经达到1000TB，对于这种规模的数据库，简单的数据分析就可能需要很长的时间，会碰到严重的数据输入/输出问题。如何解决算的没有测的快？如何从海量数据中挖掘有效的信息？ 这是专注于精准医疗领域的企业未来可能需要面临的难题之一。此外，数据是敏感的，它牵扯隐私问题。

在存储上，云平台基于分布式架构能够提供可弹性扩展的块存储服务。此外，还有大量动植物基因组、转录组、微生物基因组及宏基因组测序分析等科研服务项目，数据类型和数量异常庞大。

而且，样本数据库需要流通，孤立的数据无法发挥最大价值。测序数据处理和分析的技术壁垒较高，是掣肘基因测序企业发展的关键因素，也是企业核心竞争力所在。

以华为云为例：在计算上，云服务器可以搭载基因测序专用算法，以最少的时间计算出结果，降低计算成本。基因数据是人类的重要资源，从其测序、存储、共享，到输出给科研、医疗机构，只有最终转变为有效的遗传解读、诊疗手段或者药物，方能显示出价值。

此外，基因测序有各种复杂的工作场景，华为云非常重视资源打通，即联合各类顶尖企业共同建设整个基因技术生态。基因组时代下的数字痛点据测算，一个人一生与健康相关的数据整合起来大约10TB，一百万人的数据量约为10EB。中国工程院院士、北京大学医学部主任詹启敏曾说过，精准医疗的重点不在医疗，而在精准。后基因组时代，如何挖掘海量的基因数据？ 2019-03-19 10:00 · 李华芸 云化发展可以提供高性能、高可靠、简便安全的计算服务，满足生物医药中基因测序等需求，缩短产品上市周期，提升企业效益。

云计算、云存储是趋势在海量数据面前，人工智能的呼声越来越高，生命科学行业云化发展也成为一种趋势。在传输上，测序仪产生的大量数据可以依靠专线、裸光纤网络进行共享，且可实现数据的加密。

依据现有测序技术计算，每次单人全测序可能产生1.5T数据，传统IT计算能力针对这些数据分析和解读，每次计算至少需6天时间。据悉，华为云已与武汉未来组、贝瑞基因、金橡医学等企业达成合作，为测序企业的数据运算、存储保驾护航。

这一做法减少了企业重资产以及维护的工作，使客户更聚焦在自身的业务发展上。传统的基因公司在IT方向能力较弱，容易忽视大数据的安全存储、授权共享等问题。

1975年，英国科学家Frederick Sanger发明了Sanger测序技术，由此开启了基因测序的新篇章。本地计算机显然难以单独完成，因此目前通常采用云计算解决。随着高通量测序的广泛应用、测序设备自动化程度的提高，测序数据正成几何增长，这无疑会对数据计算能力提出挑战。而且，测序仪运行产生的原始数据并不能直接提供关于疾病的信息，测序企业需要依据生物信息学的方法，对海量的测序数据进行复杂的过滤、比对、拼接和处理、数据分析等重重步骤，才能获得基因组上的变异信息，再结合遗传学、病理学以及其他组学等信息共同分析，最终才能转化为人们可理解的生物学数据，为疾病的诊疗提供参考和指导。

随后，技术更迭，以高通量测序（NGS）为主的测序方法让基因解读成本快速下降、速度大力提升、通量也随之扩大。从上世纪60年代DNA双螺旋结构被人类发现，到15年前人类基因组计划正式宣告完成，再到今天的个性化医疗，现代医学正从经验试错、同病同治的传统模式朝着同病异治、循证医学的方向升级，而基因测序也正发展成其中的重要组成部分。

通过基因组、蛋白质组、代谢组等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗的目的，提高疾病诊治与预防的效益。它可以免去传统测序企业自建数据中心的繁琐和成本（包括购置大型计算和存储设备，日常维护等），保证轻资产运营的同时实现测序数据的存储、共享和解读。

这些问题都是测序行业亟待谨慎解决的课题。这对于临床应用而言，时间上无疑是耗不起的。