基於病例多組學變異特徵的精準醫學知識搜索系統及實現方法與流程

2023-06-03 04:46:31

本發明屬於醫藥衛生行業領域,一種精準醫學知識搜索系統的實現方法，具體地說，是一種基於病例多組學變異特徵的精準醫學知識搜索系統的實現方法。

背景技術：

精準醫療依賴於生物標誌物對疾病風險、預後和治療響應的分類。組學技術的快速發展大大豐富了分子水平的生物標記物數量，為疾病診斷、判斷疾病分期或評價新療法在目標人群中的安全性與有效性提供了更加全面細緻的判斷依據。

當前「分子水平標記物或病理組學變異特徵-幹預響應(包括藥物響應)」的關聯信息主要可以從伴隨診斷、細胞系水平的高通量藥物篩選實驗、精準醫療臨床試驗等幾個渠道獲得。伴隨診斷提供的關聯信息是在大樣本人群即群體水平的觀測下獲得的，信息直接易獲取。但細胞系藥物篩選實驗與精準醫療試驗提供的關聯信息需要對原始信息進行處理，通過對組學數據進行多組學變異特徵提取才能建立分子水平的變異和幹預響應之間的關聯。因此不同來源和不同類型的關聯信息混雜難分的現況增加了不少臨床工作者對組學變異特徵生理意義的解讀和臨床價值的利用的困難。

此外，組學數據的整合和臨床轉化還需要考慮到數據穩定性的問題，實驗平臺(如不同實驗室或機構)，觀測尺度(如細胞系水平，組織水平，個體水平等)，觀測方式(如轉錄組層面，蛋白組層面，或基因組層面等)，觀測手段(如單核苷酸多態晶片，二代測序技術等)等因素都可能造成觀測到的同一生物標記物行為的不穩定。因此如何最大程度地整合這些關聯信息，讓它們發揮出最大的作用仍亟待解決。

技術實現要素：

本發明的目的是利用可觀察到的個體多組學變異特徵，快速搜索知識庫中和新病例匹配成功的多組學變異-幹預響應關聯模型，將所有匹配成功的模型對應的幹預策略和是否成功響應的記錄以一種易讀和整合緊密的形式呈現給用戶，本發明是通過以下技術方案來實現的：

本發明公開了一種基於病例多組學變異特徵的精準醫學知識搜索系統，系統包括：

一個精準醫學知識庫，用於收集多組學變異-幹預響應關聯模型，實現了對不同水平的「組學變異特徵-幹預響應」信息的收集整合；

可優化的匹配算法，用於判斷病例與知識庫中的模型是否匹配及匹配程度；

匹配算法的評估算法，用於通過評估匹配算法對知識庫模型的聚類結果，與模型根據幹預響應的標籤分類得到的結果進行對比，可評估匹配算法的優劣，對算法不斷進行優化；

搜索系統直接生成的包含了病例組學分析數據和系統搜索結果的報表，用於為醫生提供組學數據的生理意義參考，輔助治療方案的擬定。

作為進一步地改進，本發明所述不同水平包括群體水平、個體水平、組織水平和細胞系水平。

本發明還公開了一種基於病例多組學變異特徵的精準醫學知識搜索系統的實現方法，是通過如下步驟實現：

1)、建立基於多組學變異-幹預響應關聯模型的多精準醫學知識庫；

2)、當新病例出現時，提取新病例的多組學變異特徵；

3)、建立新病例與模型(已知的多組學變異特徵-幹預響應關聯)之間的匹配算法；

4)、產生病例匹配系統的分析報告；

5)、知識庫的數據更新和匹配算法的自進化。

作為進一步地改進，本發明所述的步驟1)中，多組學變異信息包括轉錄活躍的基因組區域內單鹼基突變(單核苷酸多態性和鹼基插入缺失)，染色體變異(如基因融合)和用來判斷基因是否表達異常的基準基因表達量。

作為進一步地改進，本發明所述的步驟1)中，一個多組學變異-幹預響應關聯模型是一組有伴隨診斷藥物響應注釋和多組學變異特徵的「伴隨診斷關聯模型」，或是藥物篩選實驗中包含藥物響應信息和多組學變異特徵的「細胞系關聯模型」，或是臨床觀察到的包含幹預響應結果和多組學變異特徵的「病例關聯模型」，或是包含藥物篩選結果信息和多組學變異特徵的「個體化疾病模型關聯模型」。所述的個體化模型包括但不限於pdx小鼠、pdo類器官模型。

作為進一步地改進，本發明所述的步驟2)中，所述的多組學變異特徵包括轉錄活躍的基因組區域內單鹼基突變、染色體結構變異、基因表達異常信息。

作為進一步地改進，本發明所述的步驟2)中，建立一套標準化的組學數據分析流程提取多組學變異，從樣本採集、測序、數據分析，到知識庫匹配全過程進行質控和質保。

作為進一步地改進，本發明所述的步驟3)中，搜索系統提供了一個起始匹配算法和針對匹配算法的評估方法，評估方法會根據使用不同匹配算法對知識庫中關聯模型的聚類表現來評估現有算法是否優於新算法，決定是否需要對算法升級優化。

作為進一步地改進，本發明所述的步驟4)中，所述的報告分為兩部分：第一部分是對病例生理相關的多組學變異特徵的統計信息展現，從單鹼基突變、染色體變異和差異表達基因等方面給出病變組織的組學變異信息；第二部分是在完成對知識庫的搜索後，依據系統中模型與病例的相似性從高到低排序展現模型的匹配證據和用藥信息。

作為進一步地改進，本發明所述的步驟5)中，當病例完成步驟2)組學特徵提取後，跟蹤病例用藥治療效果，將病例數據作為一個病例類模型加入精準醫學知識庫，擴增知識庫的覆蓋範圍和提高知識庫的匹配精度；當知識庫中沒有搜索到可匹配的關聯模型時，直接根據醫生經驗治療，同時可發展病例建立個體化疾病模型，並跟蹤病例治療效果和個體化疾病模型的試藥結果，構建對應的「病例關聯模型」或「個體化疾病模型關聯模型」加入精準醫學知識庫。

本發明的優點在於：

1)本發明搜索範圍廣，可檢索不同觀測尺度下的關聯模型。本發明系統地整合了已知組學變異和幹預響應之間的關聯，通過定義了一個廣義的多組學變異-幹預響應關聯模型類的框架，將不同水平和來源的幹預響應和組學變異信息整合進了一個知識庫。

2)本發明可用的匹配特徵和匹配策略豐富。一方面，從單鹼基變異、染色體變異、差異表達基因等多個方面對多組學變異特徵協同匹配保證了匹配結果的可靠性，降低了單一變異類型與生理表型關聯分析中的噪音。另一方面，本發明對知識庫中不同尺度的幹預響應模型分別提供了特異性的可優化的匹配策略，通過關聯模型為病例-幹預響應之間的關係提供了多角度的證據支持。

3)本發明具有自進化能力。該能力表現在兩方面：一、精準醫學知識庫中模型數量將隨著搜索系統的運行不斷擴充。新病例進入後，系統會記錄病例的多組學變異特徵，結合病例的後續治療方案和幹預響應結果或病例的個體化疾病模型的用藥結果，生成病例的關聯模型加入多精準醫學知識庫。二、系統的匹配算法可以不斷優化。本發明針對匹配算法建立了對應的評價方法。一旦更新匹配算法，可以使用新的匹配算法對知識庫中的模型進行重新聚類，與基於幹預響應標籤的分類方式進行比較，通過評價新算法是否優於現有算法來決定是否需要更新系統。

4)本發明填補了組學變異信息提取環節和臨床指導用藥環節之間的空白，輔助了臨床工作人員對組學變異生理意義的系統性解讀和臨床價值的挖掘。

附圖說明

圖1是本發明技術方案實現流程示意圖。

具體實施方式

本發明建立了一種基於個體病例多組學變異協同匹配方法的精準醫學知識搜索系統。本發明系統：一、包含一個精準醫學知識庫。知識庫通過收集多組學變異-幹預響應關聯模型，實現了對不同水平(群體水平、個體水平、組織水平、細胞系水平等)的「組學變異特徵-幹預響應」信息的收集整合。進入系統的個體病例可被作為新模型，用於知識庫的擴增；二、包含了可優化的匹配算法。系統提供的起始匹配算法並沒有最大程度地發揮出豐富的組學變異的優勢，但本發明提供了一個匹配算法的評估方法，通過評估匹配算法對知識庫模型的聚類結果，與模型根據幹預響應的標籤分類得到的結果進行對比，可評估匹配算法的優劣，對算法不斷進行優化；三、搜索系統直接生成一個易讀的包含了病例組學分析數據和系統搜索結果的報表，可以為醫生提供組學數據的生理意義參考，輔助治療方案的擬定。

這一發明的基本模式是：一、建立基於多組學變異-幹預響應關聯模型的多精準醫學知識庫。多組學變異信息包括單鹼基突變(單核苷酸多態性和鹼基插入缺失)，染色體變異(如基因融合)和用來判斷基因是否表達異常的基準基因表達量三方面內容。一個多組學變異-幹預響應關聯模型可以是一組有伴隨診斷藥物響應注釋和多組學變異特徵的「伴隨診斷關聯模型」；也可以是藥物篩選實驗中包含藥物響應信息和多組學變異特徵的「細胞系關聯模型」；也可以是臨床觀察到的包含幹預響應結果和多組學變異特徵的「病例關聯模型」；也可以是包含藥物篩選結果信息和多組學變異特徵的「個體化疾病關聯模型」(包括但不限於pdx小鼠、pdo類器官模型)。二、當新病例出現時，提取新病例的多組學變異特徵(包括但不限於單鹼基突變、染色體結構變異、基因表達譜信息)。建立一套標準化的組學數據分析流程提取多組學變異，從樣本採集、測序、數據分析，到知識庫匹配全過程進行質控和質保。三、建立新病例與關聯模型之間的匹配算法。搜索系統提供了一個起始匹配算法和針對匹配算法的評估方法，評估方法會根據使用不同匹配算法對知識庫中關聯模型的聚類表現來評估現有算法是否優於新算法，決定是否需要對算法升級優化。四、生成病例的個性化報告。報告分為兩部分：第一部分是對病例生理相關的多組學變異特徵的統計信息展現，從單鹼基突變、染色體變異和差異表達基因等方面給出病變組織的組學變異信息；第二部分是在完成對知識庫的搜索後，依據系統中模型與病例的相似性從高到低排序展現模型的匹配證據和用藥信息。五、如果病例沒有匹配上現有模型，則直接依據醫生經驗用藥，同時可發展基於該病例的個體化疾病治療模型進行藥物篩選，根據反饋結果對該病例構建「病例關聯模型」和「個體化疾病關聯模型」，加入知識庫。

圖1是本發明技術方案實現流程示意圖，具體實現步驟如下：

1)構建基於多組學變異-幹預響應關聯模型的精準醫學知識庫：建立不同尺度(包括但不限於群體水平、個體水平、組織水平、細胞系水平)的幹預響應模型，包括但不限於從「群體組學變異特徵-幹預響應」、「個體病例組學變異特徵-幹預響應」、「個體化疾病模型(如pdx小鼠和pdo模型等)組學變異特徵-幹預響應」、「細胞系組學變異特徵-幹預響應」幾個角度，收集多組學變異特徵與對應的幹預及幹預響應信息。本知識庫中的數據通過網絡爬蟲抓取、公開資料庫下載，以及本地數據導入(病例及個體化疾病模型)等方式獲得。獲得的數據需要經過分詞，語義分析，正則匹配等技術提取核心關鍵詞和數據後進行格式轉化，將原始信息映射到具有臨床幹預設計參考價值的信息標準化接口，人工校正後加入資料庫。資料庫中同一類關聯模型的數據有統一的信息儲存格式；

2)搭建提取病例多組學變異特徵的流程：搭建基於二代測序技術的生物信息學分析流程，從組學數據中提取與生理變化密切相關的單鹼基突變、基因組結構突變以及轉錄水平表達異常的基因，作為病例的多組學變異特徵，用於與多組學變異特徵資料庫中的模型進行匹配。病例的數據分析過程使用嚴格的質控，在正常對照樣本可獲得的情況下，利用正常樣本和已知的疾病-組學變異信息對病例組學變異進行篩選，增加病例多組學變異特徵與生理表型關聯的可靠性；

3)實現病例-模型多組學變異協同匹配算法：精準醫學知識庫整合了多數據來源，多組學角度的關聯模型的變異特徵信息。當病例完成多組學變異特徵的提取，進入病例匹配系統時，需要根據知識庫中模型的類型，對病例與模型進行匹配。在與某一特定的關聯模型進行匹配時，需要針對不同的組學變異特徵，分別使用不同的方法對從病例中提取到的變異特徵與模型的變異特徵進行匹配打分，最後將不同變異特徵的打分根據公式生成病例-藥物響應模型的匹配總分，根據總分判斷病例與模型是否能匹配上；

4)產生病例匹配系統的分析報告：報告分為兩個層面：第一層：個體病例的組學信息報告。包括但不限於原始數據測序質量信息、數據分析流程介紹、多組學變異特徵的統計信息；第二層：病例與精準醫學知識庫中模型的匹配結果。根據搜索結果，按系統中模型與病例的相似性從高到低排序展現模型的幹預策略、響應結果以及匹配證據等信息。第二層提供了易讀的「個體病例組學變異特徵-模型組學變異特徵-幹預響應」信息，提供了病例的潛在幹預響應信息來輔助醫生解讀組學變異特徵的生理意義和挖掘組學數據的臨床價值；

5)搜索系統的更新：系統的更新分為知識庫的數據更新和匹配算法的自進化兩個部分。

一、知識庫的更新：當病例匹配上知識庫中模型時，跟蹤病例用藥治療效果，將病例數據作為一個病例類模型加入精準醫學知識庫，擴增知識庫的覆蓋範圍和提高知識庫的匹配精度。當知識庫中沒有搜索到可匹配的關聯模型時，直接根據醫生經驗治療，同時可發展病例建立個體化疾病模型(如pdx小鼠或pdo類器官模型等)，並跟蹤病例幹預響應結果和個體疾病模型的試藥結果，構建對應的病例關聯模型或個體疾病關聯模型加入精準醫學知識庫。

二、匹配算法的自進化：本系統建立了用於比較新舊匹配算法優劣的一個評估方法來優化系統匹配算法。本系統投入運轉時，首先提供一個有待優化的起始匹配算法。隨著新病例的擴充，精準醫學知識庫中的模型會不斷增加，為優化匹配算法提供了資源。根據知識庫中模型對幹預的響應分類，本發明可隨機選取m個關聯模型，對選取的模型兩兩之間分別使用新舊匹配算法進行打分，得到由這些模型所組成的兩個相似性打分矩陣。進一步對矩陣聚類，可獲得分別用新舊匹配算法獲得的模型分類情況，和真實的根據藥物響應信息進行分類的結果進行比較，從而判斷新算法是否表現更出眾，能取代系統當前算法。

以下通過具體實施例對本發明的技術方案作進一步地說明：

實施例1：一個基於病例轉錄組變異特徵的癌症病例快速匹配系統

本實施例由五大步驟組成：

1)多精準醫學知識庫的構建：知識庫以關聯模型為存儲對象，從美國食品藥品監督局(fda)批准的伴隨診斷藥物列表、mycancergenome提供的精準化癌症醫學資訊、桑格研究所的gdsc資料庫三個數據源收集藥物響應信息所關聯的多組學變異特徵。伴隨診斷藥物和mycancergenome提供了群體水平的組學變異特徵-藥物響應信息，gdsc資料庫提供了細胞系水平特異性的組學變異特徵-藥物響應信息。不同格式的數據，通過國際標準資料庫提供的命名方式進行統一管理。在本實例中，不同來源的單鹼基突變都映射到cosmic資料庫中對應名稱，以該資料庫中的命名作為標準輸出。同樣地，基因名以ncbi的entrezid作為標準，疾病名以omimid作為標準。

2)病例多組學變異特徵的提取：搭建基於轉錄組測序(rna-seq)數據的生物信息學分析流程，從轉錄組數據中提取與生理變化密切相關的單鹼基突變、染色體結構突變以及轉錄水平表達異常的基因，作為病例的多組學變異特徵，用於與多組學變異特徵資料庫中的模型進行匹配。

在本實例中，變異的提取流程可以被分為以下幾個部分：rna-seq數據預處理，單鹼基突變檢測(單核苷酸多態性、小片段插入缺失)，染色體結構變異檢測(基因融合)，基因表達和異常表達基因檢測，結果可視化展示。

一、rna-seq數據預處理：

原始數據使用質量控制工具檢查數據質量，通過檢測的數據隨後使用去接頭軟體對讀段中的接頭序列和頭尾低質量鹼基進行切除。清洗後的讀段用於接下來的序列比對。在此處，本實例使用了快速短片段比對軟體以及人類基因組作為參考基因組進行比對。

二、檢測病例的單鹼基突變：

本實例在這一步依照了gatk提供的rna-seq變異檢測最佳實踐流程(http://gatkforums.broadinstitute.org/gatk/discussion/3892/the-gatk-best-practices-for-variant-calling-on-rnaseq-in-full-detail)進行操作。首先對1.中比對得到的文件去除冗餘的讀段，再對讀段進行裁尾處理，將讀段按外顯子區段拆開，執行鹼基校正，對單核苷酸多態性和單核苷酸插入缺失進行檢測，最後利用人類基因組變異資料庫資源，使用變異注釋軟體對檢測到的單鹼基變異進行注釋和過濾。

三、檢測病例的染色體變異：

轉錄組測序數據所能檢測到的結構變異主要為基因融合。在此處對1.中比對結果使用基因融合軟體檢測轉錄組上能看到的基因融合事件。

四、檢測基因表達量：

這一步驟也使用了1.中的比對文件作為片段拼接組裝軟體的輸入文件，用於轉錄本的拼接和表達量的計算。在該實施例中我們只考慮沒有提供癌旁組織且公開的癌症轉錄組資料庫中也沒有癌旁組織的情況。

五、病例組學數據結果可視化展示：

個體病例的整體多組學變異特徵用圈圖展示。圈圖由裡向外由四部分組成，最裡面顯示了基因融合事件的發生位置，然後顯示的是單鹼基突變事件的發生位置，其次是基因在整個轉錄組的表達情況，最外層是帶注釋的染色體位置信息。

在分析過程中產生的各類統計圖，如散點圖、直方圖、餅圖等通過統計軟體r實現可視化輸出。

3)病例-模型多組學變異協同匹配算法的實現：多組學變異特徵資料庫整合了多數據來源，多組學角度的關聯模型的變異特徵信息。當病例完成多組學變異特徵的提取，進入病例匹配系統時，需要根據資料庫中模型的類型，提供病例-模型的匹配算法。

在本實例中，知識庫提供了三類模型：1.伴隨診斷關聯模型；2.細胞系關聯模型；3.病例關聯模型。

群體水平的關聯模型給出的幹預結果通常是針對某一或某幾個特定的組學變異特徵在大群體樣本中對藥物響應的影響。因此實例對該模型採用的策略是，進行比對時如果病例和一個群體模型具有完全相同的組學變異特徵，報告病例與該群體模型匹配成功，否則匹配失敗。

細胞系水平的關聯模型和個體水平的關聯模型均提供了完整的單鹼基突變、染色體結構突變和基因表達譜信息。因此本實例採用了一個綜合了這三方面信息的相似性打分方法來度量病例和模型的相似性。其中使用細胞系水平的關聯模型和個體水平的關聯模型與病例進行匹配的區別在於最終決定是否匹配成功的閾值參數不同。以下為打分方法的實現步驟：

一、針對單鹼基突變：本實例使用dann方法來度量病例和模型中單鹼基突變的功能重要性，分別對病例和模型中每個基因上發生顯著單鹼基功能突變的位點的dann值進行求和，度量該基因上單鹼基功能突變對生理的影響。病例與模型中該基因功能突變的相似性分值可通過公式1-|csnv-msnv|/max{csnv,msnv}獲得，其中csnv為病例中某一基因的功能突變影響值，msnv為模型的功能突變影響值。該分值可以作為衡量病例和模型的基因功能相似性的一個指標v1。

二、針對染色體結構變異：目前還沒有直接度量基因融合對生理影響程度的方法。考慮到通常結構變異對基因生理功能的影響非常嚴重，本實例用一個自定義的指標v2(0或1)來衡量病例和樣本在基因融合事件上的相似性。若在病例和模型中，某一基因均發生了基因融合或均未發生基因融合，則v2值為1，否則v2值為0。

三、針對異常表達基因：本實例定義了一個指標v3來衡量基因表達量異常，公式為v3＝1-|cexp-mexp|/max{cexp,mexp}，其中cexp和mexp分別為表達譜經過標準化處理後病例和模型中某一基因的表達量。

在本實例中，考慮到基因表達異常反應了轉錄水平上的變異，單鹼基突變或染色體結構變異反應了基因組上的變異，因此在整合這些指標時需要綜合兩者的效應。實例中病例與模型最終針對某一基因的相似性分值定義為v＝min{v3*v1，v3*v2}，其中v1,v2,v3為說明書上文中所提到的三個相似性指標。對某一特定基因，若相似性分值高於0.5，則認為該基因在病例和模型中表現一致。當病例中有超過半數的基因表現與它們在模型中的表現一致，則認為病例與模型匹配成功，否則認為匹配失敗。

4)根據病例的匹配結果產生分析報告：

分析報告展示主要分為兩個部分：個體病例信息和知識庫搜索結果展示。

在本實例中個體病例信息展示包含：

1.測序樣品基本信息(包含樣品名，送樣時間，測序時間，測序儀型號，樣品標籤，數據飽和度評估參數)；

2.組學數據整體展示圖，轉錄組測序數據統計信息(包含樣品原始讀段數，清洗後讀段數，比對到參考基因組上的讀段數，特異性比對上的讀段數信息)；

3.檢測到表達的基因的表達分布直方圖，差異表達基因的圖表；

4.基因組上單鹼基變異和結構變異的數量統計及變異文件格式解讀；

5.原始數據qc報告位置，基因和轉錄本的表達文件位置，差異表達基因的文件位置，單鹼基變異信息的文件位置，基因融合信息的文件位置。

知識庫搜索結果展示包含：

1.匹配上的模型的基本信息(模型類型、原始數據來源、模型名稱、疾病名稱等)；

2.支持病例匹配上模型的證據(模型和病例中匹配上的指標的類型、指標名稱、指標的度量值等)；

3.匹配上的模型的臨床用藥參考信息(藥物名稱、模型對藥物是否響應等)

5)搜索系統的自進化：

一、精準醫學知識庫的更新：對進入知識庫分析的病例進行跟蹤，根據病例遵醫治療效果和長期結局，建立病例組學變異特徵-幹預響應關聯模型，加入知識庫。對初次進入知識庫沒有搜索到匹配模型的病例，考慮建立個體化疾病模型(pdx小鼠模型或pdo類器官模型)，根據體外個體化疾病模型對不同藥物的反應，建立個體化疾病模型組學變異特徵-藥物響應關聯模型，加入知識庫。

二、匹配算法的自進化：當搜索系統內知識庫中某一類模型數量累積到一定值時，可以隨機選擇m個該類模型，依據它們對藥物的響應進行分類，用於針對該類模型的匹配算法的評估。當實現了一個新的病例與該類模型的匹配算法的時候，可以比較新匹配算法和舊匹配算法的評估結果。如果新方法與根據藥物的響應進行分類的一致性更高，說明新匹配算法在真實情景下的應用效果更佳，更新該匹配算法，否則說明原算法表現更好，放棄更新算法。

以上列舉的僅是本發明的具體實施例。顯然，本發明不限於以上實施例，還可以有許多變形，本領域的普通技術人員能從本發明公開的內容直接導出或聯想到的所有變形，均應認為是本發明的保護範圍。