第一个产业：促使海量的生物样本库和数据库的发展。由于精准医学的推动，那么需要测量百万人量级的这些人的组学信息，首先涉及到这百万人生物样品的获取，保管、提取和提供给这些人使用，这当然是一个很大的产业。同时，这些样本测完了数据是百万人数量级的一定要促进相应的大规模的数据库的发展，有人估计，这个产业的规模可能是百亿数量级。

　　第二个产业：海量数据的挖掘。 有了这些样品，那么就要测以基因组为代表的这些组学数据，所以就要测基因组、蛋白组、转入组，这些测序的数据，仅仅到2018年，就可以到117亿美金的规模。那么有了样本库，直播，有了组学数据的测量，那么下一步在这些海量数据挖掘的基础上，就可以促进产生大量的新的分子诊断的指标。这就会增加很多跟疾病相关的信息，这些信息当中，有很多就可以作为新的疾病的标记。同时，也可以发现很多新的药物设计的靶点，这就促进了第三个产业：所谓分子诊断和药物设计靶点的相关产业。

　　第四个产业是伴随着精准医学概念而产生的新的医疗设施。比如说要成立一些健康源，要一些健康师，这些方面是可以和现在医院、医生相关系的产业大概是千亿数量，这些产业必然会带来变革，国内已经有所体现，有成百上千个小的公司在逐渐地成立了。

　　大数据分析、人工智能是精准医疗的基础

　　精准医学至少要具备两个条件，第一个，要具备组学大数据的基础。精准医学就是把组大数据用到临床当中来，所以第一个要获取组学大数据，那么也就是获取基因组，蛋白组、转入组、代谢组等等这些组学数据。这些数据本身是没有用的，第二步就是组学数据的挖掘，挖掘的话就会用到大数据分析的理论方法，包括人工智能的方法，深度学习的方法等等，以知识为基础的方法用来挖掘这些组学，以获得在分子水平上跟疾病相关的知识，这是第一个基础。

　　有了这些分子知识和组学知识的用到临床疾病当中来，还要建立第二个基础，就是搭建分子水平的以基因型为代表的信息核，建立这种桥梁之后才能有效把分子水平的信息转化应用到疾病的诊断和治疗当中来，那么这就是要建立所谓生物信息学、生物网络，系统生物学等等的方面。有了这两个基础就可以更好地实现精准医学，当然一个非常重要的就是精准医学的发展，是应当和当前的临床的影象学、临床的生化检验、当前临床的知识很好地融合。

　　精准医疗刚刚启程，97%的基因密码人类无法解读

　　在我们的临床密码当中，组学当中，还存在着大量的暗信息。我们的临床密码花一万块钱可以测得自己的遗传密码，但是目前能够分析从规律上的只有一小部分，这就是基因组当中的所谓暗信息。这是一段人的遗传密码，我们每个人都有。那么像这样的遗传密码，很多重要的地方是影响整个人的生命功能的。我们一个人是3-10个九次方，如果你花一万块钱很容易测一床密码，如果转定成册子，每3千个量一页，100页一册。如果你把自己的临床密码写成书，是一万册，每页3千字符。可是这个密码我们现在还无法读懂，如果一万册书每一页一厘米，我们自己的书就是一万厘米，就是一百米，堆起来有地面上排到四十层楼房那么高。就算集全世界科学家的智慧，包括生物医学家的智慧，从规律上了解的部分只有这遗传密码的3%，另外的97%实际上集目前全世界的智慧还无法解读。

　　首先从遗传密码来讲，那3% 是遵从中心发展的蛋白质信息，就是造蛋白质的遗传密码。但另外的97%的遗传密码是跟制造蛋白组无关的，这些信息，迄今为止我们不知道他做什么用的，这就是遗传密码当中的所谓暗物质，也是遗传密码当中的非编码序列。在而、97%的密码还不知道的情况下我们如何做到精准呢？所以离精准还差了很大的距离。

　　举一个大细胞的圆细胞生物基因组的例子，这是个连个细胞核都没有的简单细胞，它的85%基因都是用来编码蛋白的。所以对一个非常低等的生物，如果测完他的遗传密码， 85-90%你就知道他是如何生活，基本造哪些蛋白就知道。但是生物高等一点，例如酵母，这个是单细胞的真核生物，编码蛋白质的比例减少到70%了，而非编码的部分增加到28%。再是到多细胞生物，例如最简单的仙童（音），这时候编码蛋白质的部分减少到28%，非编码的部分增加到71%。下面是果蝇，也只是昆虫了，非编码的部分增加到82%，而97-98%都是非编码序列。这样一个比较基因组的进化逻辑告诉我们，生物从简单到复杂，从低等到高等，增加的是迄今为止我总体上还不知道规律的非编码序列，这将是对、精准也好，对基础生物学也是巨大挑战。 而这些未知的暗物质，都需要我们通过巨大的数据去发现规律，从而做出判断。

　　精准医疗将为技术科研和产业发展带来新的挑战