背景
在基因組的層面上，我們與我們的鄰居或者朋友具有 99.9% 的相似性。但正是這 0.1% 的不同，讓我們每個人都與衆不同。這些微小的遺傳變異對于我們的健康具有巨大的影響。是以，疾病的發生過程和我們對于治療的反應都與我們的基因組序列緊密相關。除了我們的基因組，人與人之間的差異也展現在 RNA、蛋白質和代謝産物的層面上。
長時間段的 iPOP 資料的收集
通過在 14 個月中持續收集 Snyder 教授的血液組分，将來自基因組、轉錄組、蛋白質組、代謝物組、抗體的圖譜的結合起來，最終形成了 iPOP 資料集（圖 1）。研究者使用了多種技術（包括全基因組測序、RNA 序列、人類細胞因子檢測和質譜分析）來生成這一巨大的資料集（其包含采集自 20 多個時間點，總共超過 30 億個資料點）。簡單來說，基因組圖譜提供了個體的基因組序列和種系變異。此外，轉錄組、蛋白質組、代謝物組和抗體圖譜使得人們可以觀測到個體在一段時間内基因表達趨勢的動态變化。
圖 1. iPOP 的實驗流程和資料分析方法。PBMC：外周血單核細胞（peripheral blood mononuclear cell）。
在該研究過程中，Snyder 教授受到了兩次病毒性感染：（1）第一次是開始于第 0 天的人鼻病毒（human rhinovirus，HRV）感染；（2）第二次是開始于第 289 天的呼吸道合胞病毒（respiratory syncytial virus，RSV）感染。它為研究者提供了在病毒感染的反應期間研究基因表達動态變化的絕佳機會。
iPOP 預測與疾病和藥物相關的變異
此前的數十年研究已經鑒定了衆多與疾病和藥物使用相關的遺傳變異（即生物标志物）。是以，研究者首先分析了與疾病和藥物應答有關的遺傳變異。他們發現 Synder 教授的基因組序列包含多種與疾病相關的罕見變異，包括 2 型糖尿病以及一些與藥物應答有關的變異（圖 2）。
圖 2. 一些重要的與疾病和藥物相關的遺傳變異示例
用 iPOP 監測糖尿病風險并幫助治療
在此項研究之前，Snyder 教授并沒有與糖尿病相關的已知風險因素，并且從實驗一開始時血糖水準是正常的。如上所述，Snyder 在研究過程中受到了 RSV 感染（從第 289 天開始）。顯而易見，體内免疫反應激活了。令人意外的是，在其身體對病毒産生應答的同時，胰島素信号通路表達水準下降，并且血糖水準同時升高，這是開始罹患糖尿病的标志（圖 3）。在 RSV 感染後長達數月（第 301 天後），血糖水準持續處于高位。
圖 3. 本研究中的血糖水準趨勢。有兩次病毒感染：從第 0 天開始的 HRV 感染（紅色箭頭），以及從第 289 天開始的 RSV 感染（綠色箭頭）
Snyder教授在改變飲食和運動後，監測顯示血糖水準呈逐漸下降的趨勢。 這些結果表明，基因組序列可用于預估健康個體的患病風險，并且疾病的生物标志物（本文中的血糖）可用于監測和檢測該疾病的治療情況。
整合性組學分析提供更多的生物醫學資訊
為了進一步利用轉錄組和基因組資料，作者對每個時間點的轉錄組、蛋白質組和代謝組學資料進行了整合分析，觀察它們與不同生理狀态的相關性（圖 4）。特别地，他們着眼于系統地尋找随時間變化的相關模式。為了處理時間序列中的資料異質性和缺失資料，他們使用了一種傅立葉譜分析方法（Lomb-Scargle 變換）來為每個時間序列曲線建構周期圖。Lomb-Scargle 方法已被成功應用于天文學中以處理非均勻采樣的時間序列資料，也被用于多種形式的生物學問題上。
圖 4. 轉錄組、蛋白質組和代謝組資料的整合分析。資料點被聚類以鑒定疾病相關的生物學通路
該資料集的整合分析證明了之前的發現。它表明，在感染 RSV 後的發病以及後續的應答過程中，機體産生了一個全身性的反應，包括在 RSV 感染後第 18 天有一個明顯的應答。在随後的時間點中，多種與感染或者應激應答有關的生物學通路，以及與高血糖水準有關的生物學通路均受到影響，其中包括包括胰島素應答通路。
結論
iPOP 提供了一個針對健康狀态的多元視角，包括健康狀況、對病毒的應答、疾病恢複以及糖尿病發病。總而言之，該研究證明利用基于 iPOP 的方法是有助于實作個性化醫學的：從基因組序列鑒定疾病風險，并且通過其他分子組分名額監測疾病狀态。
通過多種高通量技術将基因組資訊與檢測生理狀态的正常方法結合起來，将有助于個性化醫學的實作。從這項研究産生的豐富資料将是個性化醫學發展領域的寶貴資源。
最後，該論文的作者建立了一個網站，以友善人們使用 iPOP 資源（
http://snyderome.stanford.edu）。
圖 5. 提供 iPOP 資料和結果的網站