CN107345248A - 基于大数据的基因与位点风险评估方法及其系统 - Google Patents

Abstract

本案为一种基于大数据的基因与位点风险评估方法，用于评估个体疾病易感风险的强弱，包括如下步骤：建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；根据检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。本案的评估系统穷举所有检测可能，同一检测结果得到的评估结果一致。

Description

基于大数据的基因与位点风险评估方法及其系统

技术领域

本发明涉及基因工程技术领域，特别是涉及一种基于大数据的基因与位点风险评估方法及其系统。

背景技术

现代医学研究证明，人类疾病都直接或间接的与基因有关。人类基因组蕴含有人类生、老、病、死的绝大多数遗传信息，现代医学已经证明：基因正常，细胞具有活性，则人体健康；基因受损，细胞发生变异，则人患疾病，由此可见，人类基因组蕴含有人类生、老、病、死的绝大多数遗传信息，破译它将为疾病的诊断、新药物的研制和新疗法的探索带来一场革命。基因序列精确图的完成为疾病的预防、诊断和治疗带来前所未有的转变，并使得疾病的遗传风险评估成为可能。单核苷酸多态性(single nucleotide polymorphism， SNP）位点，是指在基因组上单个核苷酸的变异形成的遗传标记，其数量很多，多态性丰富。单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。它是人类可遗传的变异中最常见的一种，占所有已知多态性的90％以上。如何利用单核苷酸多态性基因与位点针对中国人群进行风险评估，是目前所面临的一个难题。

发明内容

为克服现有技术的不足，本发明的目的在于提供一种基于大数据的、符合中国人群特质、评估结果一致性好的基因与位点风险评估方法及其系统。

为实现上述目的，本发明通过以下技术方案实现：

一种基于大数据的基因与位点风险评估方法，用于评估个体疾病易感风险的强弱，包括如下步骤：

建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；

对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；

根据检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。

进一步的，所述位点比值比包括：以预设疾病名称结合多态性、META分析、GWAS分析、遗传性变异、单核苷酸多态性中的至少一个作为关键词，在PubMed数据库中检索文献，根据所检索文献的摘要筛选出符合预设条件的相关联文献，从所述相关联文献的内容中确定出的位点比值比。

进一步的，所述位点频率分布包括：在HapMap数据库中输入所述位点，确定出在预设人群范围内所述HapMap数据库中所述易感位点对应基因型的研究频率，将所述频率汇总得到的所述位点频率分布。

本案还提供了一种基于大数据的基因与位点风险评估系统，用于评估个体疾病易感风险的强弱，包括：

数据库建立模块，其用于建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；

采样检测模块，其用于对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；

风险评估模块，其用于根据所述采样检测模块检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。

有益效果：整个流程均由系统进行，不存在人工干预，评估结果为受检者真实结果。评估系统所选人群均为中国人群，评估结果符合中国人群特质。且样本量足够大，不存在人群差异性。数据库样本量及位点数量可以实时更新，每个位点的OR值和频率会定期与实际检测结果进行校正，使结果更符合中国人群特质。评估系统穷举所有检测可能，同一检测结果得到的评估结果一致。系统中的算法为国际公认算法。

具体实施方式

下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

一种基于大数据的基因与位点风险评估方法，用于评估个体疾病易感风险的强弱，包括如下步骤：

建立数据库，数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比（OR值），位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险。

其中，该数据库的内容可以定期根据PubMed数据库的内容进行更新，位点比值比包括：以预设疾病名称结合多态性、META分析、GWAS分析、遗传性变异、单核苷酸多态性中的至少一个作为关键词，在PubMed数据库中检索文献，根据所检索文献的摘要筛选出符合预设条件的相关联文献，从所述相关联文献的内容中确定出的位点比值比。

关键词示例：

（1）预设疾病名称+多态性；

（2）预设疾病名称+单核苷酸多态性；疾病名称+GWAS分析；

（3）预设疾病名称+多态性+META分析;

（4）预设疾病名称+单核苷酸多态性+META分析；

（5）预设疾病名称+遗传性变异；

（6）当文献较多，关键词中可加上研究人群加以限定，如中国人；亚洲人。也可以在疾病名称后加易感性（Susceptibility）。有些疾病的英文名可能不止一个，如中风（stroke,apoplexy, apoplexia, palsy等），在文章中都有可能会出现。利用Pubmed数据库筛选文章，PubMed的特点包括（1）免费提供题录和文摘；（2）可提供原文的网址链接，部分文章可免费获取；（3）提供检索词自动转换匹配。

确定位点的比值比(Odds ratio, OR):获取数据库中与预设疾病相关的所有位点的信息，从相关联文献的内容中确定出位点的比值比。

位点频率分布包括：在HapMap数据库中输入所述位点，确定出在预设人群范围内所述HapMap数据库中所述易感位点对应基因型的研究频率，将所述频率汇总得到的所述位点频率分布。

核查位点的频率：在HapMap数据库中输入所述位点，确定出在预设人群范围内HapMap数据库中位点对应基因型的研究频率，打开NCBI-SNP，输入要查询的位点，找到其中HapMap研究数据中该位点对应基因型的频率。可以剔除没有频率以及最小等位基因频率（Minor Allele Frequency，MAF）小于3%的位点；将经剔除后保留的位点作为预设异常位点，将预设异常位点的比值比和频率汇总。

对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果。

根据检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。

本实施例的工作原理：待检测采样后，由实验室对样本进行检测，将检测出的位点分型结果放入评估系统后，系统会自动使用统计学算法对该个体在某种疾病中的易感风险进行计算，并与数据库中的资料进行比对，得到该结果在人群中的位置，即位比。

本实施例还提供了一种基于大数据的基因与位点风险评估系统，用于评估个体疾病易感风险的强弱，包括：

数据库建立模块，其用于建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；

采样检测模块，其用于对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；

风险评估模块，其用于根据所述采样检测模块检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。

本实施例的优点在于：整个流程均由系统进行，不存在人工干预，评估结果为受检者真实结果；评估系统所选人群均为中国人群，评估结果符合中国人群特质。且样本量足够大，不存在人群差异性。数据库样本量及位点数量可以实时更新，每个位点的OR值和频率会定期与实际检测结果进行校正，使结果更符合中国人群特质。评估系统穷举所有检测可能，同一检测结果得到的评估结果一致。系统中的算法为国际公认算法。

上述实施例中，当：

OR值＝1，表示该因素对疾病的发生不起作用；

OR值＞1，表示该因素是一个危险因素；

OR值＜1，表示该因素是一个保护因素。

OR值确定原则：

（a）P值显著（P＜0.05），95%CI不能跨过无效线1；

（b）不用杂合子作为参考型;

（c）以亚洲人高频的基因型作为参考型。

上述文献挖掘的质量控制点：

（1）多关注与表型相关的功能研究的文章

有明确功能学研究支持的位点，一般来讲是对相关表型影响最大，研究最透彻的位点。

（2）多关注META及GWAS类型文章

META分析的中文为荟萃分析，用一句话简单概括即为多个研究结果整合在一起的统计方法，就用途而言，它是文献回顾的新方法。具体来讲是采用统计学方法，对具有相同研究目的的多个独立研究结果进行系统分析、定量综合的一种研究方法。META的选题一般都具有争议性和重要性。它可以解决样本数较少的研究统计考验力减低的问题，通过整合多个研究结果，可以更准确的分析数据。

GWAS（Genome-wide association study），即META分析，是指在人类全基因组范围内找出存在的序列变异，即单核苷酸多态性（SNP），从中筛选出与疾病相关的SNP。

“确定位点的比值比”具体包括：从相关联文献的内容中确定出与位点的比值比的相关数据，对相关数据进行处理，确定出所述位点的比值比。例如，相关联文献中会有提到该位点基因型的比值比，如：通过表格中的信息确定，相关联文献中会有关于该位点研究的表格数据，其中会明确给出对应基因的比值比，可直接使用；相关联文献中会分别给出基因型的比值比，这时就要将该文章仔细阅读，经过简单推理并得出比值比；只给出等位基因的比值比，但并未提到基因型的比值比，此时需要通过加系模型来判断各基因型的比值比，或者再去查找其他相关文献；文献中给出了基因型的列联表数据，但未给出具体OR值，此时需要按照病例和对照组的比值比计算公式，利用列联表数据进行比值比计算。

具体的，对下载的相关联文献进行全文深度阅读，从中提取并确定位点的OR值。一般来说，OR值的确定主要有以下几种情况：

1）相关联文献中会有提到位点基因型的OR值，如：通过表格中的信息确定，相关联文献中会有关于该位点研究的表格数据，其中会明确给出对应基因的OR值，可直接使用；

2）相关联文献中会分别给出基因型的OR值，这时就要将该文章仔细阅读，经过简单推理并得出OR值。推理时，具体的OR值应看此位点遵循的遗传模型，一个SNP位点上通常有两个等位型A和B，形成三个基因型AA，AB，BB。假设A为野生型即reference，B突变可以导致疾病危险度上升，遗传模型有：

显性遗传（dominant model）-只要带有一个B就会发病，那么AB和BB的OR值可能是一样的；

隐性模型（recessive model）-带有两个B才会发病，那么AA和AB的OR值是一样的，BB较高；

超显性模型（co-dominant model）-这个一般又为杂合优势，AB的OR值较低，AA和BB较高；

加性模型（additive model）-类似于数量性状，一个B比没有B的OR高，两个B的更高。所以一般是AA最低，AB较高，BB最高。

3）文献中只给出了基因型的列联表数据，但未给出具体OR值，此时需要按照文章当中研究的病例组和对照组的OR值计算公式，利用列联表数据进行OR值计算。计算公式为：

假设该位点上的两个等位基因分别为Allele 1 和Allele 2，病例组和对照组的等位基因分布人群数量分别为参见下述表格1。

表格1

	Allele 1	Allele2
			病例	A	B
对照	C	D

那么Allele 1的OR值可以计算如下：

Odds ratio=(A/B)/(C/D)=AD/BC

到此可确认该位点的OR值。

关键词还可以包括预设人群范围，例如中国人（Chinese）、亚洲人（ Asian）以限定检索的范围。一般的，位点在中国人群中有频率分布，才有检测的意义。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (4)

1.一种基于大数据的基因与位点风险评估方法，用于评估个体疾病易感风险的强弱，其特征在于，包括如下步骤：

建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；

对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；

根据检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。

2.根据权利要求1所述的基于大数据的基因与位点风险评估方法，其特征在于，所述位点比值比包括：以预设疾病名称结合多态性、META分析、GWAS分析、遗传性变异、单核苷酸多态性中的至少一个作为关键词，在PubMed数据库中检索文献，根据所检索文献的摘要筛选出符合预设条件的相关联文献，从所述相关联文献的内容中确定出的位点比值比。

3.根据权利要求2所述的基于大数据的基因与位点风险评估方法，其特征在于：所述位点频率分布包括：在HapMap数据库中输入所述位点，确定出在预设人群范围内所述HapMap数据库中所述易感位点对应基因型的研究频率，将所述频率汇总得到的所述位点频率分布。

4.一种基于大数据的基因与位点风险评估系统，用于评估个体疾病易感风险的强弱，其特征在于，包括：

数据库建立模块，其用于建立数据库，所述数据库的内容包括：不少于20W中国人群的易感位点的基因分型资料，位点比值比，位点频率分布，通过预设统计学算法根据所述基因分型资料，位点比值比，位点频率分布算出的预设位点组合的疾病风险；

采样检测模块，其用于对待检测个体采样，并对待检测个体的采样样本进行检测，得到检测出的位点分型结果；

风险评估模块，其用于根据所述采样检测模块检测出的位点分型结果，利用预设统计学算法对所述采样样本在预设疾病中的易感风险进行计算，并与所述数据库中的内容进行比对，得到该结果在人群中的位比。