个性化医疗是大数据医学发展至今的必然产物，通过精准诊断、预测风险，实现最优化预防、治疗的定制医疗模式。其中，药物基因组学针对不同病情，依据个体基因信息，在临床用药上实现准确分型、个性化给药的目标。个性化用药的优势在于能够依据患者的基因组、代谢组、表观遗传等信息而提前预测药物的潜在价值。

　　但是，同一种药物，针对不同人，其反应不同。一些人会表现出很好的疗效，而一些人却会出现轻重不一的副作用。那么，如何规避药物副作用呢?

　　红细胞动力学模型：预测药物副作用

　　加州大学的科学家们认为，如果个性化医疗能够预测药物疗效、实现对症下药，那么，它也应该能够预测药物副作用。为了验证这一理念，他们进来了概念验证研究，证实在个性化医疗基础上预测药物副作用的可行性。相关研究成果于10月28日发表在《Cell System》期刊。

　　研究人员采集24份独立血液样本，获取红细胞的基因组和代谢组数据，以此数据构建了一个个体化红细胞动力学模型，能够预测红细胞对于药物的反应。

　　目前，这一多组学、多数据、个性化红细胞代谢动力学模型能够用于预测丙型肝炎药物的副作用。一旦红细胞动力学指数出现周期性变化，意味着药物反应出现差异。

　　加州大学圣地亚哥分校生物工程教授Bernhard Palsson表示，他们的研究目前还只是样本量小、概念性研究水平，尚且需要更大规模的研究进一步证实。但是红细胞预测模型预示着个性化动力学模型的可行性。

　　预测药物副作用的模型能够广泛应用于新药研发，制药公司可以在进行新药临床试验之前，利用模型提前预测、筛选药物针对不同病患存在的副作用表现。

　　因此，该模型不仅仅能够用于预测药物的副作用，还能够提供一个保护机制，进一步完善患者能够基于自身基因信息获取精准化医疗的目标。

　　研究人员表示，下一步计划是寻找针对血小板的预测模型，相比于红细胞更复杂。考虑到肝脏是药物吸收、反应、出现副作用的要塞，所以研究的终极目标是构建肝细胞模型。