所以還要感謝DNA嗎，似乎是，又似乎不是。
先賜予生命，又剝奪生命，一生一滅是可以互相抵消的麼，方然並不這樣認爲。
這裡的“賜予”，並不是繁衍，而是本質上的從無到有，既然依物理規律而一步步演化了四十億年，直到人類，那麼，給自詡爲萬物之靈的人一副終將衰亡的軀體，似乎也就可以理解。
自然規律，畢竟不是無所不能，科學的邊界就是一種證明。
生命的起源，久遠而恐怖，但對方然來講，沒有什麼東西能將他嚇倒，更不用說放棄生命中唯一的精神支柱。
自然界的力量，深不可測，生命的從無到有，死亡的宿命烙印，固然令人敬畏。
但方然更清楚的是，今天，人類掌握的科學技術，是空前的強大，回首過去，僅僅在幾十年前，人們甚至還不知道DNA的存在，只能憑藉生物形狀的遺傳，去猜測主宰生命活動的神秘因素。
但現在，甚至連第一個人工編輯的生命，“辛西婭”，都已經問世。
長久的思考，沒有直接給出對抗衰老，乃至死亡的手段，卻讓方然穿過了一重迷霧，在明確了“衰老並非不可戰勝”的基礎上，研究的突破口，顯然就在於DNA，基因，乃至生命科學的一切相關領域。
衰老，死亡，一切的起因都是DNA，解謎的鑰匙，或許也就隱藏在其中。
涉及到DNA的生命科學領域，可想而知，會是怎樣的艱深，原因超出中學階段的知識水平，即便方然一直在竭盡全力的學習，也感覺吃力，而且隨着學習的深入，他意識到，要想真正掌握生命科學的奧秘，要做的事太多，並不僅僅是擺弄生物材料，在實驗室裡搗鼓玻璃器皿這樣簡單。
現代生物學，一言蔽之，對研究工具的需求極其迫切。
要研究大千世界的生物，探尋遺傳物質的奧秘，孟德爾的時代，只需要一把豌豆，一塊土地，充裕的時間和細緻的觀察。
條件寥寥，所得的理論，卻可以十分重大。
待到後來，發現了遺傳物質的存在，生物學家的實驗室裡，儀器就越來越多，研究的花銷也水漲船高。
一直到今天，以“人類長壽有限公司”，或者其他尖端研究機構爲代表，生命科學的研究，越來越依賴高性能計算機，和建模分析的虛擬平臺，實驗還是很重要，但早已不是唯一的研究和探索手段。
生命科學的研究，理論上，可以一切從實踐出發，然而今天的大多數科研，所涉及的對象，要麼根本無法用實踐方式運作，譬如涉及到人的破壞性研究，要麼就是實踐過程太漫長，成本太驚人。
譬如研發一種特定生化作用的新物質，漫長的測試，篩選和迭代，甚至研究者窮其一生都無法完成。
計算機的作用，一開始只是記錄，整理數據，到後來的數據分析、擬合，到方然的時代，虛擬建模的分析已經開始流行。
一種物質，加入到細胞裡，究竟會引發怎樣的生化反應，這種事，現在不僅可以直接試驗，用活細胞來測試，還可以在計算機裡建立細胞的數學模型，用仿真的方式得到結論。
真正的試驗，還是計算機測試，這些條件方然都一點也不具備。
金伯利中學的生物實驗室，對生命科學社敞開，但即便一所條件優越的中學，實驗室也沒可能進行真正的科研。
生命科學的領域，廣袤無垠，一個人並做不了什麼。
但是，就在這世界上，也有一些機構，在進行着和人類衰老有關的研究，方然權且跟進，利用網絡獲取他們的研究資料，至少是資料中公開的那部分，一邊繼續苦讀，爲未可知的將來做準備。
學習之餘，每一天都在網絡上“工作”，方然的技術進步很快。
通過尋找系統漏洞來賺錢，一方面，收入還算不錯，方然也習慣於入侵一些戒備鬆懈的系統。
憑藉經驗，他很清楚網絡上的生態環境，政-府機關和金融機構的網站，不好碰，難以攻破而代價高昂，而另外一些其實也很重要的服務器，就好像不鎖門的公共場所一樣。
自從發現了這一點，方然就找到了另外的生財之道：
販賣數據。
數據，這麼說很有些籠統，實際上指的是散亂分佈在網絡上，存儲在大量服務器和行業機構裡的數據集合，資料等訊息。
這些訊息，在一般人眼中沒有什麼價值，但投放到地下市場的細分領域上，就會有人付費購買。
譬如說他自己，如果有人整理生命科學的文檔，把某一個狹窄領域的相關信息篩選，組織起來，那麼方然很樂意爲此付費，事實上，相當於是花錢節約了時間。
一開始，方然還親自動手做這種事，按照網站客戶的需求，用簡單的爬蟲程序和嗅探器去搜羅數據，或者從其他黑客手中交換一些信息。
親自入侵，這種事他還是很忌憚，所以只把整理好的材料發到指定的郵箱，每次得到幾百馬克。
但很快，他發現這樣做費時費力，從時間的角度，得不償失。
這是一個什麼樣的行業呢，“大數據“，名字聽起來挺時髦，人類進入計算機時代已經有好幾十年，計算機在社會中的應用越來越廣泛，數據，信息化的基礎之一，在世界各地的電腦和服務器裡積累的越來越多。
這些長年積累的數據，是人類活動的忠實記錄，也是一座價值未可估量的巨大寶藏。
不過，雖然IT領域已如此發達，數據的發掘和使用技術卻一直滯後。
數據本身，只是存儲器裡的狀態組合，組合本身沒有價值，只有其中包含的信息被提煉出來，放到正確的地方使用，纔有價值。
但這項工作，規模可想而知會是怎樣的龐大。
按方然的觀察，即便聯邦的IT領域在全世界位居前列，數據的整合利用水平，卻還處在很原始的初級階段。
這樣的大背景下，對數據整合處理的需求，是一個大有前途的領域。