臨床基因組變異位點解讀：臨床決策系統將發揮怎樣的作用？

從癌症或遺傳病基礎分子機理研究到臨床檢測，NGS技術的快速發展已經深入到生物醫學的方方面面。

而NGS檢測相對於傳統的分子檢測具有流程複雜、周期長、產出數據量大、信息量大等特點。

因此，從前期不起眼的核酸抽提到後期的數據分析以及最後的變異位點解讀，每個環節都會影響最後的結果。

如今，由於上游較高的技術門檻，這一領域已經被傳統的老牌公司占據主導地位，而相對容易進入的後期數據分析則成為多數創業公司的切入點。

作為開源工具的領頭羊，GATK和Samtools在科研和商業上占據了DNA-seq數據分析的半壁江山。

而隨著研究的深入，研究人員對分析速度、分析通量、多組學數據的分析等方面有了越來越高的要求，隨之也出現了基於算法優化的Sentieon、基於硬體優化的Edico Genome（被Illumina收購）、基於雲計算的DNAnexus、基於多組學分析的OmicSoft （2017年被QIAGEN收購）以及提供桌面化分析工具的CLC Bio （2013年被QIAGEN收購）等優秀的商業化軟體公司。

當測序通量和分析速度逐漸解決，隨之而來的則是如何從海量的變異位點中篩選出真正具有生物學意義、真正致病或者能夠作為藥物靶點的基因位點。

這一領域看似不需要複雜的算法和高性能計算的變異位點注釋和篩選過程，但實際上該領域卻成為了目前精準醫學行業的最大瓶頸之一。

為了規範變異位點的解讀，早在2015年，美國醫學遺傳學和基因組學（ACMG）以及分子病理學協會（AMP）曾聯合出版了變異位點解讀指南，基於28個判斷標準（criteria）將變異位點分為了Pathogenic、Likely pathogenic、Uncertain significance、Likely benign和Benign五個級別。

同樣，在2017年，AMP、ASCO和CAP也聯合制定了體細胞突變變異位點解讀指南，基於變異位點的臨床意義將其分為Tier I、Tier II、Tier III、Tier IV四個級別。

雖然目前行業內已經擁有了標準的ACMG-AMP行業指南，但是研究者通過評估美國9個頂級實驗室採用ACMG-AMP指南對99個變異位點的分級結果後發現，評級的一致性只有34%；另外有44%是不一致的，但是不會影響用藥或治療；剩下的22%解讀結果截然相反，會影響患者的用藥或治療。

評級結果之所以有如此大的差異，主要在於支持變異位點的文獻、資料庫信息是否充分或正確。

圖1. 9個實驗室對99個變異位點的分類一致性結果

在國內外眾多生物技術公司中，QIAGEN早期便敏銳地捕捉到變異位點解讀這一挑戰。

面對該挑戰，QIAGEN的解決方法和策略是什麼？又採取了哪些措施和手段？ 早在2015年，QIAGEN便推出了針對變異位點解讀的臨床決策支持系統QIAGEN Clinical Insight Interpret （QCI-I）。

該決策系統基於人工矯正的>5 million與生物學意義相關的證據、自主開發的Phenotype-Driven Ranking 算法以及變異位點解讀指南（ACMG/AMP）和體細胞變異位點解讀指南（AMP/ASCO/CAP）快速鑑定致病位點並提供相應的treatment、clinical trial、prognostic、clinical case、references等信息。

圖2. QIAGEN Clinical Insight Interpret決策系統

全面的注釋系統

據了解，QCI-I決策系統背後基於QIAGEN Knowledge Base（QKB）資料庫，該資料庫整合了QIAGEN 2014年收購的遺傳病變異位點金標準資料庫HGMD、變異位點用藥資料庫PGMD、2013年收購的Ingenuity Knowledge Base 資料庫、臨床診斷的罕見病變異位點資料庫CentoMD（目前包含17萬例罕見病患者）以及第三方的資料庫包括COSMIC、OMIM、ClinVar、1000genome、Allele Frequency Community等。

QKB總共包含了>13 Million findings、18,029個基因、933,702個變異位點、>300,000 curated articles、跨越了>4,000種同行審議的雜誌、分析樣本數>500,000、文章引用率>25,000篇。

這些完善的資料庫信息，尤其是人工矯正的文獻信息，為觸發ACMG-AMP、ASCO/AMP/CAP指南中的co-segregation、de novo status、co-occurrence、functional study criteria 提供了充足的信息，而這些是公共資料庫信息很難提供的。

圖3. QKB包含的信息

圖4. QKB與HGMD和ClinVar比較

參考行業標準

提供支持證據

QCI-I決策系統中所有變異位點的分級均採用行業的標準指南ACMG-AMP，AMP/ASCO/CAP對變異位點的致病性和臨床意義進行評估。

同時，在分析結果中實時展示觸發的指南criteria以及對應支持文獻。

對於解讀結果，遺傳諮詢師或臨床醫生可以完全自主進行級別重定義以及自定義是否在報告中展示。

此外，列為Reportable的變異位點會自動構建成內部資料庫，如果有相同的變異位點在新的患者中出現，會自動標註該位點在以前的報導中有出現過。

圖5：QCI-I決策系統變異位點分析頁面

實時更新的全面用藥

和臨床實驗信息

QKB中包含了>20,000中疾病類型、>8,000種藥物、>13,000條人工矯正的變異、藥物和疾病關係的條目，其中有>1400條條目與NSCLC相關。

同時在美國和歐洲每個月平均有1~3個藥物被審批、250個癌症相關的clinical trial開始並且有140個癌症相關的clinical trial停止招募，所以QCI-I會每周進行FDA/EMA藥物label和Clinical Trial的更新，在分析報告中提供最新的用藥和臨床實驗信息。

圖6. QCI-I包含的用藥信息在不同癌症中的比例

顯著減少變異位點解讀時間

此外，QCI-I決策系統通過與美國知名的臨床基因檢測公司Counsyl合作，發現Counsyl人工解讀團隊80%的時間花在了文獻整理（50%）和變異解讀（30%）上。

這種低效率和耗時的工作主要是由於越來越多的VUS被發現，需要花費大量的時間去閱讀文獻、查找資料庫進行確定。

而採用QCI-I系統進行變異位點可以由原來的80個小時縮短到20個小時，減少了75%的時間（解讀1000個變異位點），這樣研究人員可以有更多的時間進行新產品研發、回顧性大樣本的分析等。

圖7. 人工和QCI-I解讀1000個變異位點時間

顯著降低VUS比例

如何降低VUS一直是臨床基因組學的挑戰。

為了比較採用人工矯正的primary literature（第一篇報導變異位點的文章）和不採用人工矯正的primary literature對變異位點解讀的差異，研究人員隨機挑選了180個與Lynch syndrome相關的變異位點和99個與cardiology disease相關的變異位點，然後採用添加人工矯正的primary literature信息和不添加人工矯正的primary literature信息後QCI-I進行解讀。

結果發現，添加人工矯正的primary literature信息後分級為VUS的變異位點可以減少27%~33%。

圖8. QCI-I包含primary literature和不包含primary literature 信息解讀Lynch syndrome（左）和cardiology disease（右）結果比較，數值表示兩者之差

如今，基因檢測技術正在臨床環境中擔任著越來越關鍵的角色，是臨床輔助查找病因、幫助醫療工作者做出個性化治療決策或用藥選擇的重要技術手段，因此變異解讀結果的準確性和一致性顯得尤為重要。

基因檢測與解讀相對複雜，這需要數據分析方和需要醫務工作者的共同努力，但臨床決策系統的發展與革新必將大大縮短基因檢測的「最後一公里」。

7月24日晚上20:00，QIAGEN公司專家會進行在線直播，詳細介紹QCI-I臨床決策系統並進行案例分享，可以通過以下兩種方式進入參與學習和討論。

1. 電腦端：

網頁端登陸該網址：http://cloud.xylink.com/live/v/ff80808163d5a29c016492c4fab033b6

2. 手機端

掃描以下二維碼進入：