CN107273710A - 一种建立药物代谢酶基因与药物代谢的关系模型的方法 - Google Patents

一种建立药物代谢酶基因与药物代谢的关系模型的方法 Download PDF

Info

Publication number
CN107273710A
CN107273710A CN201710725476.5A CN201710725476A CN107273710A CN 107273710 A CN107273710 A CN 107273710A CN 201710725476 A CN201710725476 A CN 201710725476A CN 107273710 A CN107273710 A CN 107273710A
Authority
CN
China
Prior art keywords
enzyme gene
drug
drug metabolism
module
gene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710725476.5A
Other languages
English (en)
Inventor
王�琦
张�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ao Tejienuo Biological Technology Co Ltd
Original Assignee
Beijing Ao Tejienuo Biological Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Ao Tejienuo Biological Technology Co Ltd filed Critical Beijing Ao Tejienuo Biological Technology Co Ltd
Priority to CN201710725476.5A priority Critical patent/CN107273710A/zh
Publication of CN107273710A publication Critical patent/CN107273710A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明涉及一种建立药物代谢酶基因与药物代谢的关系模型的方法，所述方法通过检索获得大量涉及药物代谢酶基因和药物代谢酶的文献，通过数据分析对检索获得的大量文献进行聚类分析，确定单个多态性位点与药物代谢类型的关系以及多个多态性位点组合与药物代谢类型的关系，最终获得药物代谢酶基因与药物代谢的关系模型，所述模型具有能够客观、全面而准确地评价药物代谢酶基因的多态性与药物代谢类型之间的关联的优点。

Description

一种建立药物代谢酶基因与药物代谢的关系模型的方法
技术领域
本发明涉及药物代谢领域，具体而言，涉及一种建立药物代谢酶基因与药物代谢的关系模型的方法。
背景技术
大多数药物在进入人体后，发挥治疗作用，并在肝脏代谢后失去药物活性，而后经肾脏排出体外。在肝脏代谢过程中肝药酶(尤其是CYP450酶系)发挥着关键作用。但是不同人之间肝药酶的活性存在较大差异，导致药物在不同人之间药效作用和不良反应、副作用等迥异，造成这一情况的主要原因是由于编码这些酶的基因存在多态性，因而通过基因检测技术发现相关基因的表型，对于判断肝药酶活性，进而进行个体化药物治疗有着重要意义。
目前药物代谢酶相关基因检测结果的分析基本上全部依赖于相关专业技术人员(医生、药剂师、基因检验师等)，他们通过查阅相应的研究结果，结合个人经验人工判断被测基因对应单一代谢酶活性并给出分析报告。
目前这种判断药代酶活性方式存在以下几点问题：
a.片面性：每个通过基因判断药代酶活性的专业人员，都需自行查阅文献资料等获得信息，在判读者能力有限或者时间有限的情况下，很难系统性的获取较全面的信息，继而做出片面的评价。
b.主观性：判读者往往会受到自身工作经历，或者既往学习知识的影响，对于新的研究结果不能及时正确接纳综合判断，使得判断结果常常是判读者主观想法的一个表达，不是真实情况的客观表达。
c.效率低下：一个经验丰富的判读者从得到检测结果到给出分析报告，大致需要半天至数天，如果涉及多个代谢酶则可能需要更多的时间，而一个没有经验的判读者可能需要数日或者更长时间。
d.错误率高：人工判断一个天然的劣势就是容易受到外界干扰，且长期大量重复性的工作易产生麻痹，而出现错误，随着流程增加或者样本增多，错误会叠加，所以人工判读的错误率较计算机判读要高的多。
有鉴于此，特提出本发明。
发明内容
本发明的第一目的在于提供一种建立药物代谢酶基因与药物代谢的关系模型的方法，通过该方法建立的模型能够客观、全面而准确地评价药物代谢酶基因的多态性与药物代谢的类型之间的关联。
本发明的第二目的在于提供根据上述方法建立的模型，所述模型能够客观、全面而准确地评价药物代谢酶基因的多态性与药物代谢类型之间的关联。
本发明的第三目的在于提供一种用于确定受试者的药物代谢类型的系统，通过该系统可以快速而准确地确定受试者的药物代谢类型，为受试者的个性化给药方案提供指导。
为了实现本发明的上述目的，特采用以下技术方案：
一种建立药物代谢酶基因与药物代谢的关系模型的方法，所述方法包括以下步骤：
a、检索
a1、确定检索目的：检索涉及第一药物代谢酶基因的多态性的文献和涉及目标药物代谢的文献；
a2、根据检索目的，制定检索策略；
a3、执行检索操作；
a4、排除不符合条件的检索结果，将符合条件的检索结果汇总；
b、数据分析
b1、对汇总的检索结果进行聚类分析，评估第一药物代谢酶基因的单个多态性位点的类型与药物代谢类型的关联；优选地，所述聚类分析至少包括META分析和/或系统性评价；
b2、评估第一药物代谢酶基因的多个基因多态性位点的组合类型与药物代谢类型的关联；
b3、根据b1和b2的评估结果对第一药物代谢酶基因的单个多态性位点的不同类型进行赋值；
b4、根据b2的评估结果和b3的赋值结果建立第一药物代谢酶基因的总赋值和药物代谢类型的对应关系，其中，所述第一药物代谢酶基因的总赋值为所述基因的多个多态性位点的赋值的加和。
本发明所述方法通过检索获得大量涉及第一药物代谢酶基因的多态性以及目标药物的代谢类型的文献，为系统性地阐明第一药物代谢酶基因的多态性与目标药物的代谢类型之间的关系提供了全面而广泛的研究材料；同时，本发明所述方法对上述检索的文献进行聚类分析，通过研究单个的多态性位点、多态性位点的组合与药物代谢类型之间的关系以及赋值的方式，最终建立了第一药物代谢酶总赋值与药物代谢类型之间的对应关系，通过简单的数值关系反映第一药物代谢酶基因的多态性与药物代谢类型之间的关联。
在一些具体的实施方式中，所述第一药物代谢酶选自Ⅰ相药物代谢酶或Ⅱ相药物代谢酶；
优选地，所述Ⅰ相药物代谢酶选自细胞色素氧化酶P450、核黄素单氧化酶、磷脂酶、乙醛脱氢酶和单胺氧化酶中的一种或多种；更优选地，所述细胞色素氧化酶P450选自CYP2C19、CYP3A4、CYP2C9和CYP2D6中的一种或多种；
优选地，所述Ⅱ相反药物代谢酶选自UDP糖基转移酶、谷胱甘肽转移酶、磺基转移酶和N-乙酰转移酶中的一种或多种。
在一些具体的实施方式中，所述步骤a2包括根据检索的目的确定检索的数据库、字段、关键词、分类号和时间节点中的一项或多项；
优选地，所述数据库选自专利数据库或非专利数据库；
更优选地，所述非专利数据库选自Pubmed、Embase、Cochrane Library、ClinicalTrial、CNKI、万方或SinoMed。
在一些具体的实施方式中，所述方法还包括建立所述目标药物的代谢途径中其他药物代谢酶基因与药物代谢类型的关联模型；
优选地，所述其他药物代谢酶基因与药物代谢类型的关联模型的确定方法与对所述第一药物代谢酶基因建立模型时的步骤相同；
更优选地，所述第一药物代谢酶为CYP2C19，所述其他药物代谢酶为CYP2D6，所述目标药物为阿米替林。
本发明还涉及，上述方法建立的基因与药物代谢关系的模型，所述模型包括所述第一药物代谢酶基因和/或所述其他药物代谢酶基因的多态性位点类型、所述位点类型的赋值，以及所述第一药物代谢酶基因和/或其他药物代谢酶基因的总赋值与药物代谢类型的对应关系。
本发明上述模型能够系统、全面、准确、客观地反映第一代谢酶基因和/或其他代谢酶基因的多态性与药物代谢类型之间的对应关系。
本发明还涉及，一种用于确定受试者的药物代谢类型的系统，所述系统包括数据接收模块和自动判读模块，其中：
所述数据接收模块，用于接收受试者的个人信息以及第一药物代谢酶基因和/或其他药物代谢酶基因的检测信息，所述检测信息包括第一药物代谢酶基因和/或其他药物代谢酶基因的名称和多态性位点检测结果；
所述自动判读模块，用于判断受试者的药物代谢类型，其中，所述自动判读模块包括自动判读模块1和自动判读模块2；
所述自动判读模块1包括权利要求5所述的模型，用于提供第一药物代谢酶基因和/或其他代谢酶基因的多态性位点与赋值之间的关系以及第一药物代谢酶基因和/或其他代谢酶基因的总赋值与药物代谢酶类型的关系；
所述自动判断模块2，用于执行至少以下操作：
a、根据所述检测信息中所述第一药物代谢酶基因和/或其他药物代谢酶基因的名称调取自动判读模块1中对应的模型；
b、根据检测结果以及对应的模型，对所述第一药物代谢酶基因和/或其他代谢酶基因的多态性位点进行赋值；
c、计算所述第一药物代谢酶基因和/或其他代谢酶基因的总赋值；
d、根据计算所得的总赋值和对应的模型确定受试者的药物代谢类型。
本发明所述系统能够自动化地对受试者的药物代谢类型进行判断，一方面，所述系统基于上述模型，能够系统、全面、客观而准确地根据检测结果判断受试者的药物代谢类型，其次，本发明所述系统能够提供自动化的判读操作，既可以大幅度减少人工，还能提高判断效率，降低出错率。
在一些具体的实施方式中，所述系统还包括信息输入模块和检测模块；其中，所述信息输入模块用于接收用户输入的药物种类，并根据所述药物种类确定影响该药物代谢的第一药物代谢酶基因和/或其他药物代谢酶基因；所述检测模块用于执行第一药物代谢酶基因和/或其他药物代谢酶基因的多态性位点的检测；优选地，所述检测模块选自基因测序仪或基因芯片。
在一些具体的实施方式中，所述系统还包括用药指导模块，所述用药指导模块至少根据药物代谢类型生成用药建议并传递给用户；优选地，所述用药建议通过语音播报、显示器显示、打印或在线传递的方式传递给用户。
在一些具体的实施方式中，所述用药指导模块至少根据药物代谢类型和/或受试者的个人信息生成用药建议，所述个人信息至少包括受试者的年龄、体重、性别、病史、饮食情况、健康状况、生活环境和/或现阶段用药情况。
在一些具体的实施方式中，所述系统还包括模型建立模块，用于执行上述方法；优选地，所述模型建立模块包括检索模块和数据分析模块，所述检索模块用于执行检索，所述数据分析模块用于执行检索结果的分析以及模型的建立。
与现有技术相比，本发明的有益效果为：
1)、本发明所述方法通过检索获得涉及第一药物代谢酶基因的多态性以及目标药物的代谢类型的文献，为系统性地阐明第一药物代谢酶基因的多态性与目标药物的代谢类型之间的关系提供了全面而广泛的研究材料；同时，本发明所述方法对上述检索的文献进行聚类分析，通过研究单个的多态性位点、多态性位点的组合与药物代谢类型之间的关系以及赋值的方式，最终建立了第一药物代谢酶总赋值与药物代谢类型之间的对应关系，通过简单的数值关系反应第一药物代谢酶基因的多态性与药物代谢类型之间的关联。
2)、本发明上述模型能够系统、全面、准确、客观地反映第一代谢酶基因和/或其他代谢酶基因的多态性与药物代谢类型之间的对应关系。
3)、本发明所述系统能够自动化地对受试者的药物代谢类型进行判断，一方面，所述系统基于上述模型，能够系统、全面、客观而准确地根据检测结果判断受试者的药物代谢类型，其次，本发明所述系统能够提供自动化的判读操作，既可以大幅度减少人工，还能提高判断效率，降低出错率。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
现有的药物代谢酶相关基因检测结果的分析方法存在片面性、主观性、效率和错误率高等问题。基于此，本发明实施例1提供一种建立药物代谢酶基因与药物代谢的关系模型的方法，该方法基于大量的文献与科学的系统性评价方法建立药物代谢酶基因表型与药物代谢之间的关系模型，能够准确而全面地反映基因表型与药物代谢之间的关系。
本发明实施例涉及一种建立药物代谢酶基因与药物代谢的关系模型的方法，所述方法包括以下步骤：
a、检索
a1、确定检索目的：检索涉及第一药物代谢酶基因的多态性的文献和涉及目标药物代谢的文献；
a2、根据检索目的，制定检索策略；
a3、执行检索操作；
a4、排除不符合条件的检索结果，将符合条件的检索结果汇总；
b、数据分析
b1、对汇总的检索结果进行聚类分析，评估第一药物代谢酶基因的单个多态性位点的类型与药物代谢类型的关联；优选地，所述聚类分析至少包括META分析和/或系统性评价；
b2、评估第一药物代谢酶基因的多个基因多态性位点的组合类型与药物代谢类型的关联；
b3、根据b1和b2的评估结果对第一药物代谢酶基因的单个多态性位点的不同类型进行赋值；
b4、根据b2的评估结果和b3的赋值结果建立第一药物代谢酶基因的总赋值和药物代谢类型的对应关系，其中，所述第一药物代谢酶基因的总赋值为所述基因的多个多态性位点的赋值的加和。
具体的，所述第一药物代谢酶选自Ⅰ相药物代谢酶或Ⅱ相药物代谢酶；
优选地，所述Ⅰ相药物代谢酶选自细胞色素氧化酶P450、核黄素单氧化酶、磷脂酶、乙醛脱氢酶和单胺氧化酶中的一种或多种；更优选地，所述细胞色素氧化酶P450选自CYP2C19、CYP3A4、CYP2C9和CYP2D6中的一种或多种；
优选地，所述Ⅱ相反药物代谢酶选自UDP糖基转移酶、谷胱甘肽转移酶、磺基转移酶和N-乙酰转移酶中的一种或多种。
优选地，所述步骤a2包括根据检索的目的确定检索的数据库、字段、关键词、分类号和时间节点中的一项或多项；
优选地，所述数据库选自专利数据库或非专利数据库；
更优选地，所述非专利数据库选自Pubmed、Embase、Cochrane Library、ClinicalTrial、CNKI、万方或SinoMed。
优选地，所述方法还包括建立同一药物代谢途径中其他药物代谢酶基因与药物代谢类型的关联模型；
优选地，所述其他药物代谢酶基因与药物代谢类型的关联模型的确定方法与第一药物代谢酶基因相同；
更优选地，所述第一药物代谢酶为CYP2C19，所述其他药物代谢酶为CYP2D6，所述药物为阿米替林。
以下为建立药物代谢酶基因CYP2C19和药物阿米替林代谢关系的模型的方法：
a、检索
a1、确定检索的目的为检索涉及CYP2C19多态性和阿米替林的代谢的文献，为了给后续给药方案的确定提供指导，优选地，检索的目标文献还包括涉及阿米替林的吸收、分布和代谢途径(药代动力学及药效学)、相关疾病诊断治疗的临床医学信息、临床指南或专家共识等专业指导信息的文献。
a2、根据检索目的，制定检索策略
明确检索的关键字、检索的时间节点和数据库，其中，确定检索的数据库包括Embase、PubMed,、Cochrane Library、ClinicalTrials.gov、CNKI，万方和SinoMed。
a3、执行检索操作
以上述关键词或其组合分别在上述数据库中进行检索。
a4、排除不符合条件的检索结果，将符合条件的检索结果汇总
将所有检索结果，采用双人复核的方法，排除不符合条件的研究，将所有符合条件的研究纳入分析。
b、数据分析
b1、对汇总的检索结果进行META分析和系统性评价，评估CYP2C19多态性位点的类型与阿米替林的四种代谢型的关联(UM：超快代谢型，NM：正常代谢型；IM：中间代谢型；PM：慢代谢型)，例如，CYP2C19*2位点GG基因型对应NM正常代谢型、GA基因型对应IM中间代谢型、AA基因型对应PM慢代谢型。
b2、评估CYP2C19的多个基因多态性位点的组合类型与阿米替林代谢类型的关联，例如，汇总CYP2C19基因*2，*3，*4A，*5，*6，*7，*8，*9，*10，*17每个位点对应的代谢型，综合评估CYP2C19基因的代谢型。
b3、根据b1和b2的评估结果对CYP2C19基因的单个多态性位点的不同类型进行赋值，例如，CYP2C19*2位点，GG基因赋值0，GA基因赋值为1，AA基因赋值为2。
b4、根据b2的评估结果和b3的赋值结果建立CYP2C19基因的总赋值和阿米替林代谢类型的对应关系，其中，所述CYP2C19基因的总赋值为所述基因的多个多态性位点的赋值的加和，例如表1。
表1.CYP2C19基因总赋值范围及对应代谢型
阈值范围 代谢类型
<＝-1 UM
0 NM
1 IM
>＝2 PM
为了综合性地分析阿米替林的代谢状况，优选地，所述方法还包括建立CYP2D6基因与阿米替林的代谢类型的关联，具体建立方法如CYP2C19基因。根据CYP2C19与阿米替林的代谢类型的关联以及CYP2D6基因与阿米替林的代谢类型的关联对阿米替林的代谢进行评估，具体评估方法如表2所示。
表2.阿米替林代谢基因评估关系
实施例2
为了减少人工判读的片面性、主观性、错误率高的缺陷，也为大幅度将人从繁重的劳动中解除，本发明实施例提供一种用于确定受试者的药物代谢类型的系统。
一种用于确定受试者的药物代谢类型的系统，所述系统包括数据接收模块和自动判读模块，其中：
所述数据接收模块，用于接收受试者的个人信息以及第一药物代谢酶基因和/或其他药物代谢酶基因的检测信息，所述检测信息包括第一药物代谢酶基因和/或其他药物代谢酶基因的名称和多态性位点检测结果；
所述自动判读模块，用于判断受试者的药物代谢类型，其中，所述自动判读模块包括自动判读模块1和自动判读模块2；
所述自动判读模块1包括权利要求5所述的模型，用于提供第一药物代谢酶基因和/或其他代谢酶基因的多态性位点与赋值之间的关系以及第一药物代谢酶基因和/或其他代谢酶基因的总赋值与药物代谢酶类型的关系；
所述自动判断模块2，用于执行至少以下操作：
a、根据所述检测信息中所述第一药物代谢酶基因和/或其他药物代谢酶基因的名称调取自动判读模块1中对应的模型；
b、根据检测结果以及对应的模型，对所述第一药物代谢酶基因和/或其他代谢酶基因的多态性位点进行赋值；
c、计算所述第一药物代谢酶基因和/或其他代谢酶基因的总赋值；
d、根据计算所得的总赋值和对应的模型确定受试者的药物代谢类型。
具体地，为了实现自动化检测以及检测和判读的一体化，所述系统还包括信息输入模块和检测模块；其中，所述信息输入模块用于接收用户输入的药物种类，并根据所述药物种类确定影响该药物代谢的第一药物代谢酶基因和/或其他药物代谢酶基因；所述检测模块用于执行第一药物代谢酶基因和/或其他药物代谢酶基因的多态性位点的检测；优选地，所述检测模块选自基因测序仪或基因芯片。
所述系统还包括用药指导模块，所述用药指导模块至少根据药物代谢类型生成用药建议并传递给用户；优选地，所述用药建议通过语音播报、显示器显示、打印或在线传递的方式传递给用户。
优选地，所述用药指导模块至少根据药物代谢类型和/或受试者的个人信息生成用药建议，所述个人信息至少包括受试者的年龄、体重、性别、病史、饮食情况、健康状况、生活环境和/或现阶段用药情况。
优选地，所述系统还包括模型建立模块，用于执行实施例1所述方法；优选地，所述模型建立模块包括检索模块和数据分析模块，所述检索模块用于执行检索，所述数据分析模块用于执行检索结果的分析以及模型的建立。
实施例3
为了减少人工判读的片面性、主观性、错误率高的缺陷，也为大幅度将人从繁重的劳动中解除，本发明实施例提供一种自动判读药物的代谢类型的方法。
一种自动判读药物的代谢类型的方法，所述方法包括以下步骤：
a、客户在实施例2提供的系统中输入药物名称，所述系统根据药物名称确定涉及该药物代谢的基因，并将结果反馈给用户；
b、根据反馈结果，使用实施例2所述系统对用户的药物代谢相关基因进行检测；
c、根据检测结果，使用实施例2所述系统，确定所述基因的每个多态性位点的药物代谢类型；
d、根据所述基因的所有多态性位点的代谢类型确定所述基因的整体药物代谢类型；
e、根据一个或多个基因的整体药物代谢类型确定所述受试者的药物代谢总类型；
f、根据药物代谢总类型给出用药建议并反馈给用户。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，但本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种建立药物代谢酶基因与药物代谢的关系模型的方法，其特征在于，所述方法包括以下步骤：
a、检索
a1、确定检索目的：检索涉及第一药物代谢酶基因的多态性的文献和涉及目标药物代谢的文献；
a2、根据检索目的，制定检索策略；
a3、执行检索操作；
a4、排除不符合条件的检索结果，将符合条件的检索结果汇总；
b、数据分析
b1、对汇总的检索结果进行聚类分析，评估第一药物代谢酶基因的单个多态性位点的类型与药物代谢类型的关联；优选地，所述聚类分析至少包括META分析和/或系统性评价；
b2、评估第一药物代谢酶基因的多个基因多态性位点的组合类型与药物代谢类型的关联；
b3、根据b1和b2的评估结果对第一药物代谢酶基因的单个多态性位点的不同类型进行赋值；
b4、根据b2的评估结果和b3的赋值结果建立第一药物代谢酶基因的总赋值和药物代谢类型的对应关系，其中，所述第一药物代谢酶基因的总赋值为所述基因的多个多态性位点的赋值的加和。
2.根据权利要求1所述的方法，其特征在于，所述第一药物代谢酶选自Ⅰ相药物代谢酶或Ⅱ相药物代谢酶；
优选地，所述Ⅰ相药物代谢酶选自细胞色素氧化酶P450、核黄素单氧化酶、磷脂酶、乙醛脱氢酶和单胺氧化酶中的一种或多种；更优选地，所述细胞色素氧化酶P450选自CYP2C19、CYP3A4、CYP2C9和CYP2D6中的一种或多种；
优选地，所述Ⅱ相反药物代谢酶选自UDP糖基转移酶、谷胱甘肽转移酶、磺基转移酶和N-乙酰转移酶中的一种或多种。
3.根据权利要求1所述的方法，其特征在于，所述步骤a2包括根据检索的目的确定检索的数据库、字段、关键词、分类号和时间节点中的一项或多项；
优选地，所述数据库选自专利数据库或非专利数据库；
更优选地，所述非专利数据库选自Pubmed、Embase、Cochrane Library、ClinicalTrial、CNKI、万方或SinoMed。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述方法还包括建立所述目标药物的代谢途径中其他药物代谢酶基因与药物代谢类型的关联模型；
优选地，所述其他药物代谢酶基因与药物代谢类型的关联模型的确定方法与对所述第一药物代谢酶基因建立模型时的步骤相同；
更优选地，所述第一药物代谢酶为CYP2C19，所述其他药物代谢酶为CYP2D6，所述目标药物为阿米替林。
5.根据权利要求1～4任一项所述方法建立的模型，所述模型包括所述第一药物代谢酶基因和/或其他药物代谢酶基因的多态性位点类型、所述位点类型的赋值，以及所述第一药物代谢酶基因和/或其他药物代谢酶基因的总赋值与药物代谢类型的对应关系。
6.一种用于确定受试者的药物代谢类型的系统，其特征在于，所述系统包括数据接收模块和自动判读模块，其中：
所述数据接收模块，用于接收受试者的个人信息以及第一药物代谢酶基因和/或其他药物代谢酶基因的检测信息，所述检测信息包括第一药物代谢酶基因和/或其他药物代谢酶基因的名称和多态性位点检测结果；
所述自动判读模块，用于判断受试者的药物代谢类型，其中，所述自动判读模块包括自动判读模块1和自动判读模块2；
所述自动判读模块1包括权利要求5所述的模型，用于提供第一药物代谢酶基因和/或其他代谢酶基因的多态性位点与赋值之间的关系以及第一药物代谢酶基因和/或其他代谢酶基因的总赋值与药物代谢酶类型的关系；
所述自动判断模块2，用于执行至少以下操作：
a、根据所述检测信息中所述第一药物代谢酶基因和/或其他药物代谢酶基因的名称调取自动判读模块1中对应的模型；
b、根据检测结果以及对应的模型，对所述第一药物代谢酶基因和/或其他代谢酶基因的多态性位点进行赋值；
c、计算所述第一药物代谢酶基因和/或其他代谢酶基因的总赋值；
d、根据计算所得的总赋值和对应的模型确定受试者的药物代谢类型。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括信息输入模块和检测模块；
其中，所述信息输入模块用于接收用户输入的药物种类，并根据所述药物种类确定影响该药物代谢的第一药物代谢酶基因和/或其他药物代谢酶基因；所述检测模块用于执行第一药物代谢酶基因和/或其他药物代谢酶基因的多态性位点的检测；优选地，所述检测模块选自基因测序仪或基因芯片。
8.根据权利要求6所述的系统，其特征在于，所述系统还包括用药指导模块，所述用药指导模块至少根据药物代谢类型生成用药建议并传递给用户；优选地，所述用药建议通过语音播报、显示器显示、打印或在线传递的方式传递给用户。
9.根据权利要求8所述的系统，其特征在于，所述用药指导模块至少根据药物代谢类型和/或受试者的个人信息生成用药建议，所述个人信息至少包括受试者的年龄、体重、性别、病史、饮食情况、健康状况、生活环境和/或现阶段用药情况。
10.根据权利要求6～9任一项所述的系统，其特征在于，所述系统还包括模型建立模块，用于执行权利要求1～5任一项所述方法；优选地，所述模型建立模块包括检索模块和数据分析模块，所述检索模块用于执行检索，所述数据分析模块用于执行检索结果的分析以及模型的建立。
CN201710725476.5A 2017-08-22 2017-08-22 一种建立药物代谢酶基因与药物代谢的关系模型的方法 Pending CN107273710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710725476.5A CN107273710A (zh) 2017-08-22 2017-08-22 一种建立药物代谢酶基因与药物代谢的关系模型的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710725476.5A CN107273710A (zh) 2017-08-22 2017-08-22 一种建立药物代谢酶基因与药物代谢的关系模型的方法

Publications (1)

Publication Number Publication Date
CN107273710A true CN107273710A (zh) 2017-10-20

Family

ID=60076438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710725476.5A Pending CN107273710A (zh) 2017-08-22 2017-08-22 一种建立药物代谢酶基因与药物代谢的关系模型的方法

Country Status (1)

Country Link
CN (1) CN107273710A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885970A (zh) * 2017-11-27 2018-04-06 慧算医疗科技（上海）有限公司 药物代谢酶代谢型评估方法
CN108682458A (zh) * 2018-05-08 2018-10-19 北京岙特杰诺生物科技有限公司 用药管理方法、装置及电子设备
CN109754858A (zh) * 2019-01-11 2019-05-14 余鹏 甲氨蝶呤给药方案确定方法、装置、存储介质及设备
CN112397174A (zh) * 2019-10-31 2021-02-23 国家卫生健康委科学技术研究所 慢性病用药指导装置和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007064675A2 (en) * 2005-11-29 2007-06-07 Children's Hospital Medical Center Optimization and individualization of medication selection and dosing
US20140274763A1 (en) * 2013-03-15 2014-09-18 Pathway Genomics Corporation Method and system to predict response to pain treatments
CN105981024A (zh) * 2013-12-12 2016-09-28 Ab生物股份有限公司 用于提供关于药物使用的个性化推荐的基于网络的计算机辅助方法和系统以及计算机可读介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007064675A2 (en) * 2005-11-29 2007-06-07 Children's Hospital Medical Center Optimization and individualization of medication selection and dosing
US20140274763A1 (en) * 2013-03-15 2014-09-18 Pathway Genomics Corporation Method and system to predict response to pain treatments
CN105981024A (zh) * 2013-12-12 2016-09-28 Ab生物股份有限公司 用于提供关于药物使用的个性化推荐的基于网络的计算机辅助方法和系统以及计算机可读介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107885970A (zh) * 2017-11-27 2018-04-06 慧算医疗科技（上海）有限公司 药物代谢酶代谢型评估方法
CN107885970B (zh) * 2017-11-27 2020-07-07 慧算医疗科技（上海）有限公司 药物代谢酶代谢型评估方法
CN108682458A (zh) * 2018-05-08 2018-10-19 北京岙特杰诺生物科技有限公司 用药管理方法、装置及电子设备
CN109754858A (zh) * 2019-01-11 2019-05-14 余鹏 甲氨蝶呤给药方案确定方法、装置、存储介质及设备
CN109754858B (zh) * 2019-01-11 2021-09-21 余鹏 甲氨蝶呤给药方案确定装置、存储介质及设备
CN112397174A (zh) * 2019-10-31 2021-02-23 国家卫生健康委科学技术研究所 慢性病用药指导装置和方法
CN112397174B (zh) * 2019-10-31 2021-10-08 国家卫生健康委科学技术研究所 慢性病用药指导装置和方法

Similar Documents

Publication Publication Date Title
Rothschild et al. Environment dominates over host genetics in shaping human gut microbiota
Taylor et al. Associations among diet, the gastrointestinal microbiota, and negative emotional states in adults
Buckley et al. A psychometric evaluation of the BDI-II in treatment-seeking substance abusers
CN107273710A (zh) 一种建立药物代谢酶基因与药物代谢的关系模型的方法
Martin et al. Lifestyle intervention for improving school achievement in overweight or obese children and adolescents
GB2553273A (en) Determining an optimal wellness regime
EP4002377A1 (en) Personalized meal diet and exercise providing method using integrated health information and service system
CN108345768B (zh) 一种确定婴幼儿肠道菌群成熟度的方法和标志物组合
Banerjee et al. Validating a commercial device for continuous activity measurement in the older adult population for dementia management
Abdelghany et al. Exploring the phenotypic stability of soybean seed compositions using multi-trait stability index approach
CN108064272A (zh) 用于类风湿性关节炎的生物标记物及其用途
Kontou et al. Methods of analysis and meta-analysis for identifying differentially expressed genes
Wicaksana et al. Selection of high yield and stable maize hybrids in mega-environments of Java island, Indonesia
Bar et al. Current population structure and pathogenicity patterns of Ascochyta rabiei in Australia
Haliloğlu et al. iPBS-Retrotransposon markers in the analysis of genetic diversity among common bean (Phaseolus vulgaris L.) germplasm from Türkiye
McNeill et al. Eccentric force-velocity characteristics during a novel squat protocol in trained rugby union athletes—pilot study
Growns et al. Retracted: Generalisability and stability of visual comparison ability
Jiang et al. MiRKAT-MC: a distance-based microbiome kernel association test with multi-categorical outcomes
Lockie et al. How does time spent working in custody influence health and fitness characteristics of law enforcement officers?
Adetiba et al. Ensembling of EGFR mutations’ based artificial neural networks for improved diagnosis of non-small cell lung cancer
CA3121058A1 (en) Method of using digital twin biomarker profiles for improved sports training and performance, wellness and healthcare outcomes
JP2007535305A (ja) 分子毒性モデリングのための方法
Eshaghi et al. Psychometric evaluation of the Persian version of dietary habits questionnaire and nutrition knowledge questionnaire for adults among medical staffs
Antor et al. A feature selection approach to determine obesity using machine learning method
KR101545234B1 (ko) 개인 정보 간 관련성을 판단하는 방법 및 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020