台大公衛學院盧子彬副教授發展DNA插補伺服器研究疾病

基因研究者在進行基因序列分析時，往往會遇到缺失資料(missing data)的狀況，尤其當基因資料樣本數日趨龐大時，基因型插補(genotype imputation)更是不可或缺。透過基因型插補，以參考基因組推估、插補遺漏的資料，能夠提高基因研究易感性分析的正確率。然而，儘管市面上已有開源的基因插補工具，伺服器及基因資料卻多來自國外，不一定符合台灣在地的需求，台大公衛學院盧子彬副教授因此起心動念，希望開發一個本土的基因插補運算系統。

在微軟AI for Health計劃贊助下，盧子彬副教授的研究團隊從SNP資料，結合ATGC的變異與疾病、藥物及治療的相關性，開發了一個伺服器加速基因插補運算，欲找到與疾病相關的特殊基因位點，以便篩檢高風險人士，提早因應預防。

舉例而言，在疾病的控制上，膽固醇問題跟基因是相關的，透過基因檢測可以預警潛在病人改變運動和飲食習慣。而在免疫方面，DNA位點跟免疫HLA的改變是否有關連性，如何在位點找到抗原，幫助疾病治療或開發癌症疫苗，做到精準醫療，也是GWAS(全基因組關聯分析)研究關注的焦點。

透過基因型插補，可以大幅增加找到的基因位點，使插補校正後的位點成百倍增加。基因位點越多越有機會發現重要的位置，甚至發現「罕見變項」，即雖然數量很少，但一旦出現便可能與疾病有關的位點。

進行基因型插補時，研究者需要先取得SNP數據，進行品質控制，透過演算法將資料標準化，以進行平行性分析，完成前置步驟後，才進入基因插補的重頭戲。盧子彬副教授的團隊
開發的平台不僅整合基因插補過程所需的軟體，系統跑出來的資料準確度也堪比國外知名的密西根插補伺服器，讓使用者能直接在系統進行快速簡易的操作。插補的資料從網路下載，如果使用者要自行上傳或定義對照資料，會有許多計算上的操作，要仰賴資訊專業協助，所以在程式裡也設定好一些對照資料供選擇下載。研究者也可選擇跑所有染色體或選擇特定部份。跑完插補，就會得到一個VCF檔案，原本六十萬個位點就會變六千萬個位點，顯示每個確切的ATCG大概是什麼。

進行運算時，插補一個染色體1，放400個樣本，伺服器要跑28小時，如果樣本數50萬，依序跑各染色體，時間將會是天文數字。但用程式點選以平行化、分批、切割處理，就能大幅省時。盧子彬副教授的團隊開發的系統，借力微軟Azure雲端高速運算，實現平行化運算，還可以讓使用者建立自己的基因對照資料，加速基因研究的進展。

想更了解盧子彬副教授團隊的研究，歡迎觀賞：https://youtu.be/vZ6-S-y7gx