點(diǎn)擊藍(lán)字關(guān)注，多點(diǎn)在看防失聯(lián)

個(gè)人觀點(diǎn)，不代表任何組織與單位

一個(gè)刷屏科研圈的新聞：NIH突然禁止中國(guó)研究人員使用核心數(shù)據(jù)庫。

起因是NIH在4月2日發(fā)表的一份公告，通知從4月4日起，禁止6個(gè)國(guó)家訪問NIH的受控?cái)?shù)據(jù)庫（controlled-access data repositories）。

幾個(gè)需要注意的點(diǎn)——也是網(wǎng)上不少說辭有混淆的地方。

第一，限制中國(guó)在內(nèi)數(shù)個(gè)國(guó)家地區(qū)對(duì)NIH部分?jǐn)?shù)據(jù)庫的訪問是過去一年多美國(guó)法律推進(jìn)的結(jié)果，很難說“突然”。

NIH通告里引用了兩條法規(guī)，一條是2024年2月頒布的行政令EO14117，這是拜登政府發(fā)布的限制一些國(guó)家獲取美國(guó)個(gè)人敏感信息以及美國(guó)政府信息的行政令。該行政令提出個(gè)人基因組信息在內(nèi)的一些生物學(xué)數(shù)據(jù)屬于敏感信息，源于美國(guó)境內(nèi)的數(shù)據(jù)不能傳到包括中國(guó)在內(nèi)的部分國(guó)家。

另一條被引用的 28 CFR Part 202，是美國(guó)司法部依據(jù) EO14117做出的最終法規(guī)。 EO14117和 28 CFR Part 202是典型的美國(guó)立法方式，行政令或國(guó)會(huì)立法給出框架，相關(guān)部門，比如這里的美國(guó)司法部根據(jù)框架再確立具體條規(guī)。

28 CFR Part 202是美國(guó)司法部基于 EO14117給出的最終法規(guī)，公布時(shí)間是2024年12月27日，生效時(shí)間是2025年4月8日，里面給出了諸如多少數(shù)量的個(gè)人基因組數(shù)據(jù)屬于大量等具體規(guī)則。

NIH 4月2日通告限制中國(guó)等地訪問部分NIH管理的數(shù)據(jù)庫，是執(zhí)行司法部的 28 CFR Part 202，從 EO14117算起，整個(gè)事件演變超過一年，并非突然。

第二，受限的是NIH部分?jǐn)?shù)據(jù)庫，很多常用的NIH數(shù)據(jù)服務(wù)不受影響。

說到有NIH數(shù)據(jù)庫不能用，很多人第一反應(yīng)是文獻(xiàn)數(shù)據(jù)庫pubmed這類生物醫(yī)學(xué)最常用的數(shù)據(jù)庫不能用了，但這屬于誤解。

NIH通告里明確說了受限制的是受控?cái)?shù)據(jù)庫（controlled-access data repositories）。

NIH數(shù)據(jù)庫可以分為兩個(gè)類型，一個(gè)就是受控?cái)?shù)據(jù)庫，另一類是開放數(shù)據(jù)庫（open access）。前者由于具有個(gè)人基因組信息、醫(yī)療信息等敏感內(nèi)容，使用本就有規(guī)則，需要注冊(cè)，獲的授權(quán)后才能訪問。而大家熟知的pubmed是開放數(shù)據(jù)庫，并非受控?cái)?shù)據(jù)庫，不受NIH新規(guī)定影響。

NIH網(wǎng)站上有列出21個(gè)受控?cái)?shù)據(jù)庫：

這些受控?cái)?shù)據(jù)庫涉及 EO14117和 28 CFR Part 202提到的個(gè)人基因組信息等敏感信息。NIH針對(duì)中國(guó)等國(guó)家的限制，等于是在受控?cái)?shù)據(jù)庫訪問的規(guī)則里加入里地理限制，中國(guó)等地的研究人員不能取得相關(guān)訪問權(quán)限。

第三，一些NIH數(shù)據(jù)庫有“受控”與“公開”兩個(gè)分級(jí)，受影響的是前者，不影響“公開”級(jí)別數(shù)據(jù)的使用。

我們以實(shí)例說明被限制的“受控”到底是怎么回事。

從上表可見NIH列出的多個(gè)受控?cái)?shù)據(jù)庫都屬于dbGaP Access System。該系統(tǒng)全名是 The database of Genotypes and Phenotypes，是存儲(chǔ)基因型與表型數(shù)據(jù)的平臺(tái)。

美國(guó)國(guó)立癌癥研究所（NCI）有一個(gè)針對(duì)癌癥研究的基因組數(shù)據(jù)庫：癌癥基因組學(xué)數(shù)據(jù)共享中心（Genomic Data Commons，簡(jiǎn)稱GDC）。做腫瘤研究經(jīng)常遇到的數(shù)據(jù)庫TCGA就是GDC的一部分，而GDC又建立在 dbGaP之上。

TCGA數(shù)據(jù)有兩個(gè)層級(jí)，一個(gè)是“公開”（open access），任何人打開TCGA都可使用，不需要獲取特殊許可。該“公開”層級(jí)的特點(diǎn)是不具備可追溯到個(gè)人的信息。舉個(gè)例子，你可以用TCGA看EGFR突變這種致癌突變?cè)诓煌[瘤類型里的比例。

但TCGA也能提供更細(xì)致的信息，比如某份腫瘤樣本的原始測(cè)序數(shù)據(jù)，這就屬于“受控?cái)?shù)據(jù)”，必須取得GDC的受控?cái)?shù)據(jù)訪問權(quán)限方能獲得，GDC網(wǎng)站上也有取得權(quán)限的流程示意圖：

“受控?cái)?shù)據(jù)”需要權(quán)限顯然有重要的隱私保護(hù)考慮，畢竟這些數(shù)據(jù)更容易追溯到具體個(gè)人。

但EO14117和 28 CFR Part 202加入的是國(guó)家安全要求，認(rèn)為此類數(shù)據(jù)如果傳輸?shù)讲糠謬?guó)家，不僅威脅到隱私，還有國(guó)家安全問題。NIH基于此執(zhí)行的新規(guī)，也就意味著中國(guó)等地的研究人員無法獲得相應(yīng)訪問、使用權(quán)限。

了解了這些，我們也能推測(cè)，NIH此次禁止中國(guó)研究人員使用部分?jǐn)?shù)據(jù)庫，受影響最大的是那些此前注冊(cè)了相關(guān)訪問權(quán)限，深度使用這些受控?cái)?shù)據(jù)庫的科研工作人員。如果此前從未尋求過那些受控?cái)?shù)據(jù)庫的使用權(quán)限，受到的影響有限。

考慮到近年來歐美出于隱私、國(guó)家安全等多個(gè)因素，對(duì)基因組等敏感數(shù)據(jù)的管控越來越嚴(yán)，依賴歐美“受控”級(jí)別的基因組、醫(yī)學(xué)數(shù)據(jù)做研究，本來也過于冒險(xiǎn)。

網(wǎng)上對(duì)某些數(shù)據(jù)庫的重要性描述似乎也令人難以理解。比如SEER，這是美國(guó)本土的癌癥流行病學(xué)數(shù)據(jù)庫，包括美國(guó)這里的各種腫瘤發(fā)生率、預(yù)后情況。作為目前全球最大、最全的腫瘤流行病學(xué)數(shù)據(jù)庫，中國(guó)的研究人員想?yún)⒖计渲袛?shù)據(jù)做研究可以理解，可這畢竟是在美國(guó)收集到的患者數(shù)據(jù)，不同腫瘤的發(fā)病率、標(biāo)準(zhǔn)治療方案等均可能與中國(guó)本土數(shù)據(jù)相去甚遠(yuǎn)。

如果一項(xiàng)在中國(guó)的研究離開SEER就無法實(shí)行，那么這項(xiàng)研究到底是在琢磨什么？又有多大必要非在中國(guó)做呢？

訂閱關(guān)注防失聯(lián)

前沿醫(yī)藥，請(qǐng)關(guān)注

參考資料

https://grants.nih.gov/grants/guide/notice-files/NOT-OD-25-083.html

更多精彩內(nèi)容見Youtube：Y博的科普?qǐng)@

Y博也有播客了，歡迎關(guān)注《說醫(yī)解藥》

小宇宙、蘋果播客、Spotify同步更新