谷歌联合创始人谢尔盖·布林（Sergey Brin）经常练习跳水。“跳水这项运动短暂而剧烈，”他说。“可以马上提高心跳速率。”
但跳水对他来说还有另外一个好处。从家族遗传学的角度来看，布林患上帕金森症的风险很高，而每跳一次水，这种风险就会减少一点点。在布林身体的每个细胞内，12号染色体的LRRK2基因都存在一种基因突变，它与帕金森症的发病率关系密切。
不是每个有这种基因突变的人都会患上帕金森症，但它确实增加了患病机会。普通美国人患这种病的风险约为1%，但有这种基因突变的人患病率达到30%-75%。从布林本人的DNA来看，他患病的可能性是50%。所以他采取了一些保养措施，运动、喝咖啡、喝绿茶……用环境因素来抵消DNA的影响。
他说，“饮食、运动这些方法，可以让我的患病风险下降一半，到25%左右。”他觉得，神经科学的稳步发展，会把这种风险再降低一半，把可能性降至13%左右。虽然这些是推测，不过他解释得有理有据，让人信服。
当然布林绝不是普通人，他拥有百亿美元身家，这为他提供了额外的好处。自从知道自己携带LRRK2基因突变之后，布林捐献了至少 5000万美元给帕金森症研究活动，他认为这笔钱可以“真正改变局面”。随着研究活动的增多，布林再次调整了自己的整体患病风险，“风险下降到10%以下。”这仍然普通美国人的10倍水平，但已经比他本身50%的患病风险下降了很多。
谷歌风格的科学
这听起来如此务实，如此显而易见，差点让大家忽视了一个惊人的事实：很多慈善家都资助了某些疾病的研究，他们自己也被诊断出患有这些疾病。但是，布林可能是第一个基于基因测试而捐献科研经费，希望自己避免患上某种疾病的人。
布林的做法值得注意还有另一个原因。这不仅是一种公益科研创投，而且布林是在寻求一种完全不同的科学。大多数帕金森症研究工作，就像一般医学研究一样，依靠的也是传统的科学方法：假设、分析、同行评审、发表论文。但布林提出了一种不同的方法，使用计算能力和海量数据集来推动研究。这种方法来源于他对算法的理解，带有谷歌那种对计算能力的信心，目的是加快科研步伐，增进科研潜力。 “我已经习惯了互联网界，在我看来，医学界的研究步伐简直和冰川移动一样缓慢，”布林说。“我们可以查找很多东西，收集大量信息。如果能发现一个模式，就有可能找到出路。”
换句话说，布林希望另辟蹊径，绕开盛行了几个世纪的科学认识论，转向一种更具谷歌风格的科学。他想先收集数据，再假设，然后发现有价值的模式。而且他也拥有足够的资金和算法武器来做到这一点。
家族遗传
布林对数字的信心，对“知识就是力量”的信心，来源于家族传承，他的父母都是俄罗斯裔科学家。布林的母亲在1996年出现一些症状时，联想到自己姑妈患上帕金森症的经过。但当时科学界认为帕金森氏是不会遗传的，所以布林并不理解母亲的担心。 “我认为她想太多了，太不理性。”他说。然而经过进一步的测试之后，布林的母亲在1999年被诊断出患有帕金森症。
LRRK2基因突变和帕金森症的关系是在2004年发现的。2006年，布林的妻子安妮·沃西基（Anne Wojcicki）创办了个人基因公司23andMe（谷歌是投资者之一）。布林作为alpha测试者，很早就看到了自己的基因组结果。不久23andMe公司就发现，布林和他母亲都有LRRK2基因突变。
布林没有惊慌。他花了数个月来考虑此事，请教专家。但很快，他就意识将这件事保密是不切实际的。布林说，“我还不如公开此事，这个信息似乎是值得分享的，甚至可能是有趣的。”所以在2008年9月的一天，布林开了博客。第一篇文章直接就叫《LRRK2》。
有毒的知识？
从某种意义上说，我们一直在使用遗传学来预知自己患上疾病风险。当我们谈论家族病史时，我们主要谈论的是DNA，是对于我们自身的健康而言，父母的健康状况提供了什么线索。遗传扫描只不过是一种更现代的方式，来把我们的家族历史和我们的未来可能性联系到一起。
但是DNA检测如此精确，可能会让人觉得化学物质决定了命运，觉得它包含着黑暗的、冷酷无情的秘密。这就是为什么基因信息有时被说成是“有毒的知识”的原因。用斯坦福大学生物伦理学家汉克·格里利（Hank Greely）的话来说，让人们可以直接访问自己的遗传信息，是彻头彻尾的“鲁莽之举”。
在科学发展的早期，这倒也有几分真实。但出人意料的是，基因信息“有毒”的观念一直延续至今，可能是因为它假设人们缺乏自我了解的秉性。但研究表明这种假设是没有根据的。
一项关于阿尔茨海默氏症的研究称，在告知人们患病风险较高的坏消息时，“预期人们会做出灾难性的反应。抑郁症、自杀、辞掉工作，抛弃家庭。研究者想到了最坏的状况。”
但是事实与之相反。那些被告知阿尔茨海默氏症患病风险较高的人，似乎能用正能量来处理这件事，在后来的生活中，他们往往选择了更加健康的生活方式。 “人们会去应对问题，似乎并没有产生任何明显的抑郁症状。”
换句话说，对于看起来非常糟糕的消息，我们大多数人都会像谢尔盖·布林那样去应对：研究一下我们究竟有哪些选择，寻求建议，然后继续生活。 “每个人都面对着自己的挑战；每个人都有自己的问题要处理，“布林说。“这就是我的挑战。它不过是我老了之后需要面对的诸多问题之一。最重要的是，我能对此做些什么？”
随着布林对帕金森症的日益了解，在与沃西基探讨研究模型时，他意识到有一个更大胆的实验正在酝酿之中。
阿司匹林的教训
1899年，拜耳的科学家推出了阿司匹林。这种药对感冒、腰痛和牙痛效果很好，但是它的作用机制当时并不清楚。
直到20世纪60、70年代，科学家才开始逐步弄清阿司匹林的作用机制：阿司匹林可以抑制人体内一种名为前列腺素的化学物质，而前列腺素会引起炎症和疼痛。明白了这一点，后来的一个发现就非常容易理解了：1988年时，人们发现，隔天服用阿司匹林能够明显降低心肌梗塞。因为阿司匹林抑制了前列腺素，抑制了血栓的形成，因此也就降低了心肌梗塞或中风的风险。
阿司匹林的“二次发现”，被认为是当代医学研究的成就之一。但布林认为，我们应该从这件事中总结出另一个教训——在阿司匹林最初推出之后，到人们发现它和心脏疾病有关系之前的那数十年里，“有数以百万计的人服用阿司匹林，获得了额外的健康益处。”但这些益处与阿司匹林之间的关系被忽视了，因为没有人去关注这些病人。“所有的数据都丢失了，” 布林指出。
“购物篮分析”的力量
以布林的思维方式来看，我们每个人的生活都可以为科学洞见做出贡献。我们平常过日子，做出各种选择、吃东西、服药、做这样那样的事情——产生了所谓的“数据废气”（data exhaust）。在一个世纪前，你当然不可能真正利用这种信息的价值，特别是没有一个具体的假设来指导研究人员在寻找什么东西的时候。但是今天，利用现代计算能力，研究者可以对这些数据进行跟踪和分析。 “我们拥有的任何经历，或服用的任何药物，都是个人的信息片段，”布林说。 “单独来看它们没有什么价值。但综合起来，它们可以变得非常有用。”
在计算机科学中，挖掘这样的大型数据集来找到有用的关联，这个过程被称为购物篮分析（Market Basket Analysis），常常被用于零售购买模式的推导中。比如亚马逊就用它来告诉你，“购买X商品的用户也购买了Y商品”。
布林在斯坦福大学读书时，就对这个领域进行了研究。他在1997年的一篇论文中说，只要有了正确的算法，你可以从各种非常规的“购物篮”中找到有意义的关联。“不夸张地说，我们的患病经历就可能是其中之一。”
布林对“噪音数据”有很大的容忍力，这一点特别能说明问题，因为医学界倾向于认为“噪音数据”不是好事。生物医学研究人员往往把实验限制在可以严格测量的问题上。但强调纯度就意味着可供研究的病人数量比较少，也就会导致数据集的规模比较小，从而限制了研究的“power”，即发现结果为真的概率。
但是，越来越多的科学家，特别是那些有计算和信息理论背景的科学家觉得，这种研究模型是可以反转的。为什么不从海量的数据出发，来寻找模式和关联呢？
科学的第四范式
已故的微软研究人员、计算机科学家吉姆·格雷（Jim Gray）把这称为“科学的第四范式”，从假设向模式演化是一个必然进程。格雷预测，在各个学科领域，科学家会被数据洪水包围，除非他们重新界定科学过程的概念，并使用大量的计算工具来处理数据。“科学世界已经改变了，”格雷在2007年的演讲中说。从现在开始，排在首位的将会是数据。
格雷的老东家比尔·盖茨（Bill Gates）也在“第四范式”上压下过一笔小赌注：波特兰一家公司运用大型计算来快速模拟传统药物研究的试错法，盖茨向其投资了 1000万美元。
谢尔盖·布林当然不是普通人。有多少人拥有足够的资源来扭转科学的曲线？又有多少人的配偶创办过基因学公司？布林不仅拥有这样的条件，而且他本人也有一种以数据为驱动力的思维方式，所以在谈到基因知识的时候，他可能比我们大多数人都更加淡定。很少有人会把自己的困境当作契机，促进一种新科学的发展，这是布林的与众不同之处。
但是我们之中的一些人，可能有一天也会面对布林那样的挑战，发现自己属于某种无药可治的疾病的高风险人群。然后我们会更多地进行锻炼，开始吃不同的食物，做出各种努力，同时等待科学研究的发展。从这个角度来说，布林的故事不仅仅是一个亿万富翁的故事，也是每个人的故事。
进
店
进
店
进
店