科普系列 - 數學與基因排序（一）

理學院因為看見數據科學在社會上不同地方都有非常多的應用，而且我們的同學好像對數據科學的興趣也非常之大，所以在這學年，我們推出一個全新的本科生課程，叫做「科學數據分析」（Data Analytics in Science）。同學會先在JUPAS進入理學院A組，在第一及第二年修讀一些科學基礎課程和數學課程以後，將可以從四個不同專修（Track）裏面挑選一個自己有興趣的科學科目，然後將學懂的數據分析技巧應用在那一專修項目內的大數據上面。有興趣的同學可以到相關的網頁仔細了解課程內容。我在這裏就不再仔細介紹這個課程。

在那四個專修裏面，有一個叫應用生物科學（Applied Bioscience）。可見在不同生物學相關的領域，也需要用到很多不同數學的技巧。這跟大部份我從中學生聽回來的感覺很不一樣，大部份主修生物科的同學，可能對數學完全沒有興趣。同樣道理，修讀數學科目的同學，會覺得生物學非常困難。給大部份人的感覺這兩個項目完全不相關。可是這幾年我看見不同地方的研究項目，生物學跟數學科可以是息息相關。尤其現代的科學研究，非常着重跨學科研究。目的是希望可以運用不同科目研究的技巧和看問題的不同角度，可以突破一些傳統研究項目的困難。所以在這篇文章裏面，我希望介紹一些跟生物學相關而又運用了大量數學技巧的研究項目，希望鼓勵中學同學可以同時修讀多幾門科學科目。但是由於自己並不是生物專科，中間實驗所需要的原理和程序，可能沒有辦法給予一個仔細的介紹。只能用我都中五程度的生物知識，盡量把我所知道的介紹出來。如果有任何更正，歡迎指出。

前幾年在外國娛樂圈有一宗比較震撼的消息，指出安祖蓮娜祖莉（Angelina Jolie）因為根據自己家族遺傳病的病史，為自己的DNA進行了測試，因而發現了自己患上乳癌的機會相當高。所以在2013年，還沒有發病之前，進行了乳腺切除手術，令到自己不會因為患上癌症而備受折磨 [1]。這裏不會討論這種手術是否有需要，主要希望討論這個DNA測試裏面所見到的數學。

DNA測序或者排序（DNA Sequencing）本身就是一個非常有趣的科學題目。到底我們如何可以得到一顆細胞裏面DNA這個序列呢？人類一條DNA裏面，有高達30億個核苷酸（Nucleotides）。所謂核苷酸，是DNA或者RNA的組件，也就是我們經常會提到的A/C/G/T符號。傳統的DNA測序過程，需要將整條DNA從頭至尾複製一次，而在複製過程裏面每一個組件都會附上一個螢光物質。當這個程序做完，我們只需要用儀器從頭至尾將DNA「看」一次，就可以將ACGT判別出來。由於這個過程是需要從頭到尾30億個組件「看」一次，可以想像這個過程將要花非常長時間。所以在1990年剛出現的國際人類基因組計劃 （Human Genome Project)，預計需要大約15年時間才可以將人類整個基因圖譜測序出來 [2]。