随着人类基因组计划的完成和后续工作的展开，生命科学研究已经进入了快速、准确、低耗地分析遗传和表达的信息时代。运用新一代测序技术和生物信息分 析平台揭示基因组信息结构的复杂性及遗传语言的根本规律，并阐明人类约10 万种蛋白质的结构功能相互作用以及各种人类疾病之间的关系，已经成为当前疾病（尤其是复杂性疾病）研究的热点和前沿。

疾病的发生与环境有害因素和遗传易感性有关。单基因病(monogenic disease)是疾病发病的遗传因素中以单基因缺陷占主导地位，且在家系成员中疾病传递符合孟德尔规律者。复杂性疾病(complex diseases)则是由多个基因及环境因素(包括致病微生物)相互作用所致，且在家系中不符合孟德尔规律，如肿瘤、心血管病、代谢性疾病、神经-精神类 疾病、免疫性疾病等。由于机体常见的疾病、健康状态是环境暴露、遗传易感性和年龄等因素复杂交互作用的结果，基因、环境各种因素之间往往存在复杂的非线性 关系，因此导致研究上存在困难。

传统的重大疾病的研究模式，是以假说为导向，即首先假设某基因为致病候选基因，再对其进行深入研究，无异于大海捞针，即使成功也存在很多偶然性。而 现代的、工业化的重大疾病的研究模式，是以数据为导向，对物种或个体进行基因组水平、大规模化研究，即在掌握基因组全局的情况下，发现影响疾病的基因位 点。

随着科学技术的发展，重大疾病的研究手段逐渐加强，目前方兴未艾的全基因组关联分析(Genome-Wide Association Studies, GWAS)正是基于人类基因组计划（human genome project, HGP）和人类基因组单体型图计划（The International HapMap Project, HapMap）的研究成果发展起来的一种研究手段。该技术通过对大规模的群体（病例/对照）DNA样本进行全基因组高密度遗传标记（如SNP、CNV等） 进行分型，从而寻找与复杂疾病相关的遗传因素的研究方法。通过这种技术，我们可以快速简便的将基因组中的遗传差异(Genotype)与表现型 (Phenotype)联系起来，为后续研究打下了很好的基础。

但是这种方法并不完善，除了基于芯片杂交分析容易产生假阳性（False Positive)和假阴性（False Negative)结果之外，最大的缺陷在于目前的GWAS是基于常见疾病/常见变异假说的。越来越多的研究结果表明，许多复杂疾病是由稀有突变造成的， 而这种基于芯片的GWAS在实验的最开始就漏掉了这部分信息，因此无法捕获到罕见的致病性变异以及复杂的遗传特征。而运用新一代测序技术对个体的全基因组 （或者外显子区域）序列进行直接测定，通过组装和比对，则能获得完整的全基因组变异位点的图谱，这种基于高容量深度测序的研究策略被称为第二代GWAS， 具有更加广阔的应用前景。

华大基因作为具有世界第三、亚洲第一测序与分析能力的基因组研究中心，始终坚持走在本领域的最前沿。利用新一代测序技术（Solexa），为复杂疾 病的研究提供了一整套研发策略。从DNA水平，利用全基因组重测序和外显子重测序技术，能够得到一个更直观和详细的基因变异图谱，为后续研究提供重要参 考；从RNA水平入手，利用转录组重测序、数字化表达谱和小RNA测序，可以对特定组织某一功能状态下的基因表达水平进行监测，通过比较正常和对照样品的 RNA表达模式鉴定与复杂疾病发生相关的突变和差异性差异；从表观遗传的角度，利用全基因组DNA甲基化测序和染色质免疫共沉淀（chip）等技术研究基 因组的表观修饰情况，从而研究复杂疾病的表观修饰机制。

通过这些研究与临床或其他表型信息相结合，可以为病因学、生理学及病理学乃至生物过程的机理研究提供丰富和有效的信息，并为疾病的诊断、预防和将来的个性化治疗提供重要的研究基础，给复杂疾病研究带来新的希望。