CN109033756B - 一种非小细胞肺癌基因变异及药物解读多数据库交互系统 - Google Patents
一种非小细胞肺癌基因变异及药物解读多数据库交互系统 Download PDFInfo
- Publication number
- CN109033756B CN109033756B CN201810697971.4A CN201810697971A CN109033756B CN 109033756 B CN109033756 B CN 109033756B CN 201810697971 A CN201810697971 A CN 201810697971A CN 109033756 B CN109033756 B CN 109033756B
- Authority
- CN
- China
- Prior art keywords
- lung cancer
- small cell
- cell lung
- genetic mutation
- drug
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明实施例公开了一种非小细胞肺癌基因变异及药物解读多数据库交互系统,包括:非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;各数据库用于存储对应的数据;其中,非小细胞肺癌药物治疗数据库包括非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库。通过建立多数据库交互系统,能够存储非小细胞肺癌基因变异及药物相关数据,该交互系统数据量完善且易于使用。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种非小细胞肺癌基因变异及药物解读多数据库交互系统。
背景技术
非小细胞肺癌是常见的恶性肿瘤之一,占所有肺癌病例的85%以上,包括鳞癌、腺癌、大细胞癌以及其他细胞类型。5年生存率仅为16.8%,已成为目前人类因癌症死亡的主要原因。非小细胞肺癌的病因尚未完全清楚,其病因可能与吸烟、大气污染、电离辐射、职业(石棉、碑、沥青、烟尘等)有关。21世纪初,随着分子生物学和新药开发研究的不断深入,基于分子标志物的靶向治疗已经从实验室走到了临床,并在晚期的NSCLC患者的治疗中取得了显著的效果。近年来非小细胞肺癌的诊断和治疗发生了重大的变革,对肺癌活检组织的体细胞突变常规基因检测正式为患者提供最佳的用药参考。靶向治疗因其可靠的疗效且毒性和不良反应少,已经成为最受关注和最有前途的治疗手段之一。在测序技术的发展及询证医学的推动下,基因组学,表达谱等生物信息领域与医学领域交叉越来越密切,非小细胞肺癌的诊断和治疗方案不再是完全依赖传统的表观判断,更多的是通过检测基因变化提供更可靠的证据。比如,2016年版《中国晚期原发性肺癌诊治专家共识》明确推荐所有病理诊断为肺腺癌、含腺癌成分和具有腺癌分化或不吸烟的鳞癌患者的非小细胞肺癌患者、进行EGFR、ALK、RET、ROS1、BRAF、KRAS、MET、ERBB2基因突变状态的检测,用于指导相关的靶向药物的治疗。2018年第2版的NCCN非小细胞肺癌诊疗指南中,明确推荐与非小细胞肺癌的靶向诊疗的多个基因分子标志物检测相关,包括EGFR、ALK、ROS1、BRAF、KRAS、MET及ERBB2基因突变状态的检测,用于指导相关的靶向药物的治疗。但是,随着非小细胞肺癌患者样本中所检测基因变异数目的快速增加、新型靶向药物的研制、开发和使用,使非小细胞肺癌的靶向治疗越来越精准的同时,药物和基因变异之间的联系也越来越复杂。在临床工作中,临床分子实验室会检测越来越多的新的序列变异。某些变异与药物使用仅与单个基因突变的单种变异类型相关,而某些变异与药物使用与单个基因突变的多种变异类型相关,而多数药物使用与多个基因的多种突变类型相关,所以,非小细胞肺癌基因变异与药物使用之间的联系十分的紧密且复杂,对某个给定序列变异的临床意义进行分级解读,选择特异和最佳的药物方案进行治疗,用于非小细胞肺癌的个体化用药指导是目前基因检测结果在变异序列解读方面不断面临着新的挑战。
但是,随着二代测序技术的不断发展而产生的海量的基因变异数据,庞大的基因变异数据和各种形态数据(药物、指南、临床信息、文献等)的处理和分析是实现疾病精准医疗的重点。目前,并没有统一的关于非小细胞肺癌基因变异与药物解读的标准和数据库,对于相关基因变异数据的解读和收集整理各大公司和临床机构有着不同的处理方法和流程,因此如何建立完善且方便使用的非小细胞肺癌基因变异及药物数据库是亟待解决的问题。
发明内容
由于现有方法存在上述问题,本发明提出一种非小细胞肺癌基因变异及药物解读多数据库交互系统。
第一方面,本发明提出一种非小细胞肺癌基因变异及药物解读多数据库交互系统,包括:非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;
所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库分别两两连接;
所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;
所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;
所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据;
其中,所述非小细胞肺癌药物治疗数据库包括:非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库。
在一些实施方案中,所述系统还包括:解读报告装置;
所述解读报告装置分别与所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库连接,用于对接收的判断结果进行解读,生成解读报告。
在一些实施方案中,所述系统还包括:检索解读结果统计装置;
所述解读结果统计装置分别与所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库、所述非小细胞肺癌文献信息数据库和所述解读报告装置连接,用于统计各数据库中检索的非小细胞肺癌基因变异与药物相关的证据等级,判断所述证据等级的高低得到判断结果,将所述判断结果发送给所述解读报告装置,并接收所述解读报告装置反馈的解读报告。
优选地,所述非小细胞肺癌基因变异信息数据库包括基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库。
在一些实施方案中,所述基因变异信息数据库用于存储选自下组的一项或多项:基因名称、基因功能背景介绍、染色体位置、转录本号、基因变异RS号、基因所处信号通路、基因变异核苷酸变异信息、基因变异氨基酸变异信息、序列变异在核苷酸和氨基酸水平功能预测结果。
在一些实施方案中,所述非小细胞肺癌信息数据库用于存储选自下组的一项或多项:疾病发生部位、疾病名称、发生原因、疾病特征、诊断学方法及指标。
在一些实施方案中,所述非小细胞肺癌药物数据库用于存储疾病治疗药物,包括选自下组的一项或多项:化学药物、靶向治疗药物、免疫治疗药物、基因治疗药物等其他新型治疗药物。
在一些优选的实施方案中,所述基因变异信息数据库中的包含但不限于以下非小细胞肺癌相关基因:AKT1、ALK、BRAF、DDR2、EGFR、ESR1、FGFR1、KIT、KRAS、MAP2K1、MET、NRAS、NRG1、NTRK1、PDGFRA、PIK3CA、PTEN、RET、RICTOR、ROS1、TP53、LRP1B、KEAP1、FAT4、CDKN2A、STK11、KMT2C、FAT1、KMT2D、RB1、PTRRT、SMARCA4、NF1、ARID1A、GRIN2A、ATM、ZNF521、RBM10、XPC、GSTP1、LRP2、MTHFR、OTOS、SLC31A1、SLC22A2、TPMT、MTHFR、ERCC1、XRCC1、ABCB1、CYP3A4、DSCAM、SLCO1B3、DHFR、GGH、FOLR3、SLC19A1、PD-1。在进一步的实施方案中,上述非小细胞肺癌相关基因是基因变异信息数据库中的内置初始预设参数。
在一些优选的实施方案中,所述疾病治疗药物包括但不限于:吉非替尼、厄洛替尼、阿法替尼、艾乐替尼、色瑞替尼、克唑替尼、奥希替尼、达菲替尼、凡德他尼、卡博替尼、曲妥珠单抗、派姆单抗、纳姆单抗、阿特珠单抗、雷莫芦单抗、贝伐单抗、紫杉醇白蛋白微粒、吉西他滨、多西他赛、紫杉醇、培美曲塞、长春瑞滨、异环磷酰胺、卡铂、顺铂、培美曲塞、依托泊苷、足叶乙苷等。在进一步的实施方案中,上述疾病治疗药物是非小细胞肺癌药物数据库中的内置初始预设参数。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗批准信息数据库用于存储选自下组的一项或多项:药物商品名称、通用名称、适应症信息、使用方法、剂量和管理、禁忌症、警告和预防措施、不良反应数据、药物相互作用及特定使用人群信息;
优选地,所述非小细胞肺癌基因变异与药物治疗批准信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库用于存储与基因变异药物使用的诊断、治疗、监控和/或预后信息;
优选地,所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库用于存储已完成的临床试验和在招募的临床试验信息,包括选自下组的一项或多项:临床研究号、研究名称、研究方案、变异检测方法、样本数量、人群特征、研究结果和研究结论;
优选地,所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌文献信息数据库用于选自下组的一项或多项:存储期刊名称、肿瘤类型、基因变异信息、检测方法、人群特征、样本数量、研究结果、研究结论、文献编号PMID和期刊IF因子;
优选地,所述非小细胞肺癌文献信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
第二方面,本发明提出基于上述系统的多数据交互方法,包括:
接收检索终端的检索请求,所述检索请求包括检索关键字;
根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统中进行检索,得到非小细胞肺癌基因变异与药物证据;
查询预设相关性表得到非小细胞肺癌基因变异与药物证据的相关性,将所述相关性与临床直接用药标准进行比较,得到比较结果;
根据所述比较结果,执行对应的操作。
第三方面,本发明实施例又提出一种基于上述系统的多数据交互方法,包括:
接收检索终端的检索请求,所述检索请求包括检索关键字;
根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的各数据库中进行宽泛性检索,根据检索的结果得到每个数据库非小细胞肺癌基因变异与药物相关的证据等级;
若证据等级大于预设值,则将证据等级大于预设值的数据库确定为目标数据库,并将目标数据库的检索结果反馈至解读报告装置进行解读。
第四方面,本实施例还提出一种基于上述系统的多数据交互方法,包括:
接收检索终端的原始检索指令,所述原始检索指令包括检索关键字;
根据所述原始检索指令与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异信息数据库的基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库中进行检索,得到药物清单;
根据所述药物清单和所述检索关键字在所述非小细胞肺癌基因变异与药物治疗批准信息数据库中进行检索,并根据检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第一相关性;
若所述第一相关性小于临床直接用药标准,则触发第一继续检索指令,并根据所述第一继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗专家共识信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第一相关性合并,得到非小细胞肺癌基因变异与药物证据的第二相关性;
若所述第二相关性小于临床直接用药标准,则触发第二继续检索指令,并根据所述第二继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗临床试验信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第二相关性合并,得到非小细胞肺癌基因变异与药物证据的第三相关性;
若所述第三相关性小于所述临床直接用药标准,则触发第三继续检索指令,并根据所述第三继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌文献信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第三相关性合并,得到非小细胞肺癌基因变异与药物证据的最终检索结果,并根据最终检索结果对非小细胞肺癌基因变异及药物进行解读;
其中,在上述程序中,当所述第一相关性、第二相关性、第三相关性中任一项大于或等于临床直接用药标准时,则终止检索程序,并对非小细胞肺癌基因变异及药物进行解读。
在一些实施方案中,所述相关性的“合并”可以是例如将相关性的对应分值进行相加、平均、加权平均等,优选为相加。
在本发明上下文中,术语“预设相关性表”意指针对本发明所述各种检索结果和/或一个或多个数据库提供的相关性证据、或针对根据该检索结果/证据归纳出的情形(例如,“解读数据库-药物适应症与基因变异信息一致(CFDA)记为CS2;第二层级解读数据库-药物适应症与基因变异信息一致(其他)记为OS2;第二层级解读数据库-药物适应症与基因变异信息不一致(CFDA)记为CN2”等情形)进行对应分值(即相关性得分)分配的表。在一些实施方案中,预设相关性表还可以进一步包括对最终分值进行相关性评级的表。
由上述技术方案可知,本发明实施例通过建立由非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库组成的多数据库交互系统,用于存储基因变异及药物相关数据,该多数据库交互系统数据量完善且易于使用。
在本发明的另一个方面,提供了一种非小细胞肺癌基因变异及药物相关性的分级筛选方法,其包括如下步骤:
(1)建立非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;其中
所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据;且其中,所述非小细胞肺癌药物治疗数据库包括:非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库;
(2)在非小细胞肺癌基因变异信息数据库获取疾病和/或基因变异为检索关键词,在非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库中进行检索,得到非小细胞肺癌基因变异与药物关系证据,所述证据分别储存于对应的数据库中(例如,批准信息证据储存于批准信息数据库,专家共识信息证据储存于专家共识信息数据库,文献证据储存于非小细胞肺癌文献信息数据库等等);
(3)基于所述非小细胞肺癌基因变异与药物关系证据进行评分;
(4)依据总评分对该基因变异相关疾病适用的药物进行关联性分级。
在上述分级筛选方法的一些实施方案中,步骤(3)所述评分仅进行一次;优选地,所述评分在步骤(2)中所述检索全部完成之后进行一次。在一些实施方案中,步骤(2)中所述检索为宽泛性检索,例如在所有数据库中进行广泛检索,并将所有证据汇总用于评分。优选地,步骤(2)中所述检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在上述分级筛选方法的一些实施方案中,步骤(2)和(3)依序进行多次,且每一次步骤(2)中的检索对象数据库均不同,得到总评分用于步骤(4)。
在一些优选实施方案中,所述方法进一步包括:
(a)首先从非小细胞肺癌基因变异信息数据库中检索得到与检索关键字对应的药物清单,根据该药物清单对非小细胞肺癌基因变异与药物治疗批准信息数据库进行检索,依据检索获得的证据进行第一次评分;若评分大于预设值则将评分确定为总评分并进行分级,结束整个流程;若评分小于预设值,则继续进行步骤(b);
(b)对非小细胞肺癌基因变异与药物治疗专家共识信息数据库进行检索,依据检索获得的证据进行第二次评分;若第一和第二次评分总和大于预设值则将其确定为总评分并进行分级,结束整个流程;若第一和第二次评分总和小于预设值,则继续进行步骤(c);
(c)对非小细胞肺癌基因变异与药物治疗临床试验信息数据库进行检索,依据检索获得的证据进行第三次评分;若前三次评分总和大于预设值则将其确定为总评分并进行分级,结束整个流程;若前三次次评分总和小于预设值,则继续进行步骤(d);
(d)对非小细胞肺癌文献信息数据库进行检索,依据检索获得的证据进行第四次评分;将四次评分总和确定为总评分并进行分级,结束整个流程。
在一些实施方案中,所述非小细胞肺癌基因变异信息数据库包括基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库。
在进一步的实施方案中,所述基因变异信息数据库用于存储选自下组的一项或多项:基因名称、基因功能背景介绍、染色体位置、转录本号、基因变异RS号、基因所处信号通路、基因变异核苷酸变异信息、基因变异氨基酸变异信息、序列变异在核苷酸和氨基酸水平功能预测结果;
所述非小细胞肺癌信息数据库用于存储选自下组的一项或多项:疾病发生部位、疾病名称、发生原因、疾病特征、诊断学方法及指标。
所述非小细胞肺癌药物数据库用于存储疾病治疗药物,包括选自下组的一项或多项:化学药物、靶向治疗药物、免疫治疗药物、基因治疗药物等其他新型治疗药物。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗批准信息数据库用于存储选自下组的一项或多项:药物商品名称、通用名称、适应症信息、使用方法、剂量和管理、禁忌症、警告和预防措施、不良反应数据、药物相互作用及特定使用人群信息;
优选地,所述非小细胞肺癌基因变异与药物治疗批准信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库用于存储与基因变异药物使用的诊断、治疗、监控和预后信息;
优选地,所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库用于存储已完成的临床试验和在招募的临床试验信息,包括选自下组的一项或多项:临床研究号、研究名称、研究方案、变异检测方法、样本数量、人群特征、研究结果和研究结论;
优选地,所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
在一些实施方案中,所述非小细胞肺癌文献信息数据库用于选自下组的一项或多项:存储期刊名称、肿瘤类型、基因变异信息、检测方法、人群特征、样本数量、研究结果、研究结论、文献编号PMID和期刊IF因子;
优选地,所述非小细胞肺癌文献信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种非小细胞肺癌基因变异及药物解读多数据库交互系统的连接示意图;
图2为本发明另一实施例提供的一种非小细胞肺癌基因变异及药物解读多数据库交互系统的连接示意图;
图3为本发明一实施例提供的一种多数据库交互方法的流程示意图;
图4为本发明一实施例提供的一种基于宽泛检索的多数据交互方法的流程示意图;
图5为本发明一实施例提供的一种多数据库依次交互方法的流程示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种非小细胞肺癌基因变异及药物解读多数据库交互系统,包括:非小细胞肺癌基因变异信息数据库101、非小细胞肺癌药物治疗数据库102以及非小细胞肺癌文献信息数据库103。
所述非小细胞肺癌基因变异信息数据库101、所述非小细胞肺癌药物治疗数据库102和所述非小细胞肺癌文献信息数据库103分别两两连接。
所述非小细胞肺癌基因变异信息数据库101用于存储非小细胞肺癌基因变异相关的数据。
所述非小细胞肺癌药物治疗数据库102用于存储非小细胞肺癌药物治疗相关的数据。
所述非小细胞肺癌文献信息数据库103用于存储非小细胞肺癌文献相关的数据。
其中,所述非小细胞肺癌药物治疗数据库包括:非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库。
本实施例通过建立由非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库组成的多数据库交互系统,用于存储基因变异及药物相关数据,该多数据库交互系统数据量完善且易于使用。
进一步地,在上述实施例的基础上,所述系统还包括:解读报告装置和检索解读结果统计装置。
所述解读报告装置分别与所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库连接,用于对接收的判断结果进行解读,生成解读报告。
所述解读结果统计装置分别与所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库、所述非小细胞肺癌文献信息数据库和所述解读报告装置连接,用于统计各数据库中检索的非小细胞肺癌基因变异与药物相关的证据等级,判断所述证据等级的高低得到判断结果,将所述判断结果发送给所述解读报告装置,并接收所述解读报告装置反馈的解读报告。
具体地,本实施例共计6个数据库、1个检索解读结果统计装置和1个解读报告装置,以上所有装置构成完整的非小细胞肺癌基因变异及药物多数据库系统。其中,6个数据库中包含1个一级数据库,为非小细胞肺癌基因变异信息数据库,其包含三个部分,第一部分为基因变异信息数据库,第二部分为非小细胞肺癌信息数据库,包括但不限于非小细胞肺癌发生部位、分类方法、TNM分期、发生原因、非小细胞肺癌临床表现、检查诊断方法、治疗方法等;第三个部分为非小细胞肺癌药物数据库,包含非小细胞肺癌治疗药物,包含但不仅限于靶向药物、化学药物、免疫治疗药物,其数据来源于第三级数据库的药物信息。
其中,基因变异信息数据库中的基因包含但不限于以下:AKT1、ALK、BRAF、DDR2、EGFR、、ESR1、FGFR1、KIT、KRAS、MAP2K1、MET、NRAS、NRG1、NTRK1、PDGFRA、PIK3CA、PTEN、RET、RICTOR、ROS1、TP53、LRP1B、KEAP1、FAT4、CDKN2A、STK11、KMT2C、FAT1、KMT2D、RB1、PTRRT、SMARCA4、NF1、ARID1A、GRIN2A、ATM、ZNF521、RBM10、XPC、GSTP1、LRP2、MTHFR、OTOS、SLC31A1、SLC22A2、TPMT、MTHFR、ERCC1、XRCC1、ABCB1、CYP3A4、DSCAM、SLCO1B3、DHFR、GGH、FOLR3、SLC19A1、PD-1。
治疗药物包括但不仅限于:吉非替尼、厄洛替尼、阿法替尼、艾乐替尼、色瑞替尼、克唑替尼、奥希替尼、达菲替尼、凡德他尼、卡博替尼、曲妥珠单抗、派姆单抗、纳姆单抗、阿特珠单抗、雷莫芦单抗、贝伐单抗、紫杉醇白蛋白微粒、吉西他滨、多西他赛、紫杉醇、培美曲塞、长春瑞滨、异环磷酰胺、卡铂、顺铂、培美曲塞、依托泊苷、足叶乙苷等。
本实施例还包括1个二级数据库,为非小细胞肺癌药物治疗数据库,非小细胞肺癌药物治疗数据库中包含三个子数据库,称为三级数据库,如图2中所示的三级数据库1、三级数据库2和三级数据库3,具体包含非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库、非小细胞肺癌基因变异与药物治疗临床试验信息数据库;1个四级数据库非小细胞肺癌文献信息数据库,如图2所示。检索解读结果统计装置负责统计二级数据库、三级数据库、四级数据库检索的非小细胞肺癌基因变异与药物相关证据等级,并判断证据等级的高低,依据判定结果,反馈继续检索的指令至一级数据库继续完成检索过程或反馈结果至解读报告装置,并获取解读报告装置发送的解读报告,完成解读过程;解读报告装置负责接收检索解读结果统计装置指令,完成最终解读,形成解读报告,完成解读过程。
其中,证据等级是医学领域中用于预防、诊断、预后、治疗和危害研究等的评价等级,例如牛津循证医学中心提出的一套证据等级包括A级证据、B级证据、C级证据和D级证据:A级证据表示具有一致性的、在不同群体中得到验证的随机对照临床研究、队列研究、全或无结论式研究、临床决策规则;B级证据表示具有一致性的回顾性队列研究、前瞻性队列研究、生态性研究、结果研究、病例对照研究,或是A级证据的外推得出的结论;C级证据表示病例序列研究或B级证据外推得出的结论;D级证据表示没有关键性评价的专家意见,或是基于基础医学研究得出的证据。
其中6个数据库之间存在相关性如下:
其中,一级数据库为基因变异数据库,二级数据库(第一层级解读数据库)为非小细胞肺癌药物治疗数据库,三级数据库包括:批准数据库(第二层级解读数据库)、共识数据库(第三层级解读数据库)、和临床试验数据库(第四层级解读数据库),四级数据库为非小细胞肺癌文献信息数据库(第五层级解读数据库)。
进一步地,在上述实施例的基础上,所述非小细胞肺癌基因变异信息数据库包括基因变异信息数据库、非小细胞肺癌信息数据库、疾病药物信息数据库。
所述基因变异信息数据库用于存储选自下组的一项或多项:基因名称、基因功能背景介绍、染色体位置、转录本号、基因变异RS号、基因所处信号通路、基因变异核苷酸变异信息、基因变异氨基酸变异信息、序列变异在核苷酸和氨基酸水平功能预测结果。
所述非小细胞肺癌信息数据库用于存储选自下组的一项或多项:疾病发生部位、疾病名称、发生原因、疾病特征、诊断学方法及指标。
所述非小细胞肺癌药物数据库用于存储选自下组的一项或多项:疾病治疗药物,包括化学药物、靶向治疗药物、免疫治疗药物、基因治疗药物等其他新型治疗药物
具体地,基因变异信息数据库包括基因名称、基因功能背景介绍、所处染色体位置、转录本号、基因变异RS号、基因所处信号通路、基因变异核苷酸变异信息(coding)、基因变异氨基酸变异信息(protein)、序列变异在核苷酸和氨基酸水平功能预测结果等。其信息检索方式为,关键词:疾病,在各个人群数据库、疾病特异性数据库和序列数据库中进行检索,包括但不局限于EAC、EVS、1000Genomes Project、dbSNP、dbVar、ClinVar、OMIM、HumanGene Mutation Database、Human Genome Variation Society、Leiden Open VariationDatabase、DECIPHER、NCBI、RefSeqGene、Locus Reference Genomic(LRG)、MitoMap、cosmic。
非小细胞肺癌信息数据库包括但不限于疾病发生部位、疾病名称、发生原因、疾病特征、诊断学方法及指标等相关内容。
进一步地,在上述实施例的基础上,所述非小细胞肺癌基因变异与药物治疗批准信息数据库用于存储选自下组的一项或多项:药物商品名称、通用名称、适应症信息、使用方法、不良反应数据。
所述非小细胞肺癌基因变异与药物治疗批准信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
具体地,非小细胞肺癌基因变异与药物治疗批准信息数据库中存储的内容包括药物商品名称、通用名称、适应症信息、使用方法、剂量和管理、禁忌症、警告和预防措施、不良反应数据、药物相互作用及特定使用人群信息,其信息检索层级为两层,第一层为,疾病+基因变异信息,第二层为基因变异信息,在各个食品药品监督管理局数据库及药物数据库进行检索,包括但不局限于CFDA、FDA、EMA、PMDA。
进一步地,在上述实施例的基础上,所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库用于存储与基因变异药物使用的诊断、治疗、监控和/或预后信息。
所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
具体地,非小细胞肺癌基因变异与药物治疗专家共识信息数据库中存储的内容包括推荐的与基因变异药物使用的诊断、治疗、监控、预后信息等。其信息检索层级为两层,第一层为,疾病+基因变异信息,第二层为基因变异信息,在各大专家指南共识数据库进行检索,包括但不局限于NCCN、ASCO、CSCO、ESMO、各疾病的专家共识。
进一步地,在上述实施例的基础上,所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库用于存储已完成的临床试验和在招募的临床试验信息,包括选自下组的一项或多项:临床研究号、研究名称、研究方案、变异检测方法、样本数量、人群特征、研究结果和研究结论;
所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
具体地,非小细胞肺癌基因变异与药物治疗临床试验信息数据库中存储的内容包括已完成的临床试验和在招募的临床试验信息,其内容包括选自下组的一项或多项:临床研究号、研究名称、研究方案、变异检测方法、样本数量、人群特征、研究结果、研究结论,其信息检索层级为两层,第一层为,疾病+基因变异信息,第二层为基因变异信息,在临床试验数据库进行查询,包括但不限于Clinicaltrails、药智网、药渡网等。
进一步地,在上述实施例的基础上,所述非小细胞肺癌文献信息数据库用于存储选自下组的一项或多项:期刊名称、肿瘤类型、基因变异信息、检测方法、人群特征、样本数量、研究结果、研究结论、文献编号PMID和期刊IF因子。
所述非小细胞肺癌文献信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
具体地,所述非小细胞肺癌文献信息数据库中存储的内容包括选自下组的一项或多项:期刊名称、肿瘤类型、基因变异信息、检测方法、人群特征、样本数量、研究结果、研究结论、PMID(PubMed文献的ID号)、期刊IF因子,其信息检索层级为两层,第一层为,疾病+基因变异信息,第二层为基因变异信息,在各大文献数据库进行检索,包括但不限于pubmed、谷歌学术等。
本实施例通过建立与疾病相关的非小细胞肺癌基因变异与药物解读多数据库交互系统,为疾病的基因变异与药物解读建立的解读标准、流程和模型。运用该多数据库系统能够快速,精准的对每一个变异按不同层级进行解读,解读标准严苛具有科学性,可适用于疾病的精准治疗。
图3示出了本实施例提供的一种多数据库交互方法的流程示意图,包括:
S301、接收检索终端的检索请求,所述检索请求包括检索关键字。
S302、根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统中进行检索,得到非小细胞肺癌基因变异与药物证据。
其中,所述非小细胞肺癌基因变异及药物解读多数据库交互系统包括非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据。
S303、查询预设相关性表得到非小细胞肺癌基因变异与药物证据的相关性,将所述相关性与临床直接用药标准进行比较,得到比较结果。
S304、根据所述比较结果,执行对应的操作。
其中,所述预设相关性表为存储非小细胞肺癌基因变异与药物证据之间的相关性的映射表。
本实施例通过建立由非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库组成的多数据库交互系统进行交互式检索,检索过程简单,且能够得到更准确和全面的检索结果。
进一步地,在上述方法实施例的基础上,S304具体包括:
若所述相关性小于所述临床直接用药标准,则触发继续检索指令,并根据所述继续检索指令进行检索。
在另一实施例中,S304具体包括:
若所述相关性大于等于所述临床直接用药标准,则根据所述非小细胞肺癌基因变异与药物证据出具相应的报告。
具体地,在多数据交互过程中,有两种处理方式:
第一种数据交互处理方法为,普遍性的对全部数据库进行宽泛性检索,获取每个数据库的证据等级,其特点为解读流程耗时长,解读结果覆盖面广,抓取的证据等级结果不突出,具体包括:一级数据库,即非小细胞肺癌基因变异信息数据库,作为信息检索数据库,接受原始检索指令0,并发起检索数据库装置的请求;通过相关检索词条,在二级数据库和四级数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,直接将结果反馈至报告解读装置,完成解读。
第一种基于宽泛检索的多数据交互方法具体包括以下步骤,如图4所示:
S401、接收检索终端的检索请求,所述检索请求包括检索关键字;
S402、根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的各数据库中进行宽泛性检索,根据检索的结果得到每个数据库非小细胞肺癌基因变异与药物相关的证据等级;
S403、若证据等级大于预设值,则将证据等级大于预设值的数据库确定为目标数据库,并将目标数据库的检索结果反馈至解读报告装置进行解读;
其中,所述非小细胞肺癌基因变异及药物解读多数据库交互系统的各数据库包括非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据。
所述宽泛性检索是指对非小细胞肺癌基因变异及药物解读多数据库交互系统的所有数据库进行检索,各数据库未设定具体的检索顺序。
宽泛性检索的目的是为了获得所有与基因与疾病的相关信息,所以无需证据值大于预设值的设定,宽泛性检索定义为对某一个基因变异检索所有的数据库,得到对应数据库的相关证据,并按照对应数据库的预设评分表进行比对,得到所有的基因变异与药物证据关系,包括了高、中、低所有证据后,将检索结果反馈至解读报告装置进行解读。
本实施例通过建立由非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库组成的多数据库交互系统进行交互式检索,检索过程简单,且能够得到更准确和全面的检索结果。
上述方法基于宽泛检索的多数据交互方法还可以包括:
S404、所述解读报告装置对目标数据库的检索结果进行解读,生成解读报告。
S405、解读结果统计装置统计各目标数据库中检索的非小细胞肺癌基因变异与药物相关的证据等级的高低,将统计的结果发送给所述解读报告装置,并接收所述解读报告装置发送的解读报告。
第二种数据交互处理方法为,根据非小细胞肺癌基因变异与药物解读数据库装置中的数据库证据等级高低,依次对药物基因变异相关性进行数据交互处理,优点为可有效缩短解读流程,抓取最高效的证据,提高解读结果的精准性。
第二种多数据库依次交互方法具体包括以下步骤,如图5所示:
S501、接收检索终端的原始检索指令,所述原始检索指令包括检索关键字;
S502、根据所述原始检索指令与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异信息数据库的基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库中进行检索,得到药物清单;
S503、根据所述药物清单和所述检索关键字在所述非小细胞肺癌基因变异与药物治疗批准信息数据库中进行检索,并根据检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第一相关性;
S504、若所述第一相关性小于临床直接用药标准,则触发第一继续检索指令,并根据所述第一继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗专家共识信息数据库中进行检索,并根据所述第一相关性和检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第二相关性;
S505、若所述第二相关性小于临床直接用药标准,则触发第二继续检索指令,并根据所述第二继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗临床试验信息数据库中进行检索,并根据所述第二相关性和检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第三相关性;
S506、若所述第三相关性小于所述临床直接用药标准,则触发第三继续检索指令,并根据所述第三继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌文献信息数据库中进行检索,得到最终检索结果;
S507、若所述第一相关性/所述第二相关性/所述第三相关性大于等于临床直接用药标准,则对非小细胞肺癌基因变异及药物进行解读。
本实施例通过建立由非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库组成的多数据库交互系统进行交互式检索,检索过程简单,且能够得到更准确和全面的检索结果。
其中,S504具体包括:
若所述第一相关性小于临床直接用药标准,则触发第一继续检索指令,并根据所述第一继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗专家共识信息数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,反馈至所述基因变异和非小细胞肺癌信息数据库,由所述基因变异和非小细胞肺癌信息数据库综合药物治疗数据库的检索结果后反馈至解读结果统计装置,并将所述检索的结果查询预设相关性表并与所述第一相关性合并,得到非小细胞肺癌基因变异与药物证据的第二相关性。
S506具体包括:
所述解读结果统计装置若判断获知所述第三相关性小于所述临床直接用药标准,则触发第三继续检索指令至解读报告装置,并根据所述第三继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌与变异文献信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第三相关性合并,得到非小细胞肺癌基因变异与药物证据的最终检索结果,并根据最终检索结果对非小细胞肺癌基因变异及药物进行解读。
上述多数据库依次交互方法还包括:
S508、若判断获知所述最终检索结果小于所述临床直接用药标准,则反馈第三继续检索指令至所述非小细胞肺癌基因变异信息数据库。
在实际交互过程种,一级数据库,即非小细胞肺癌基因变异信息数据库,作为信息检索数据库,接受原始检索指令0,并发起检索数据库装置的请求;通过相关检索词条,优先的在二级数据库,即第二级解读数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,并反馈至第一层级解读数据库与检索解读结果统计装置;检索解读结果统计装置,判断当前检索的非小细胞肺癌基因变异与药物证据的相关性,若达到用药临床标准,则下达1号解读报告指令至解读报告装置;若未达到临床直接用药标准,则反馈继续检索信息至信息检索数据库,发出继续检索指令1。
1号解读报告指令是指解读报告装置可抓取当前检索出的非小细胞肺癌基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
继续检索指令1是指通过信息检索数据库,依次进行第三层级解读数据库的检索,并获取非小细胞肺癌基因变异与药物证据的过程。
处理继续检索指令1包括以下步骤:
一级数据库,即非小细胞肺癌基因变异信息数据库,作为信息检索数据库,接受继续检索指令1和发起继续检索数据库装置的请求。
通过相关检索词条,优先的在二级数据库,即第三级解读数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,并反馈至第一层级解读数据库,第一层级解读数据库综合第二层级解读结果后,反馈至检索解读结果统计装置。
检索解读结果统计装置,判断当前综合了第一层级和第二层级检索的非小细胞肺癌基因变异与药物证据的相关性,若达到用药临床标准,则下达2号解读报告指令至解读报告装置;若未达到临床直接用药标准,则反馈继续检索信息至信息检索数据库,发出继续检索指令2。
2号解读报告指令是指解读报告装置可抓取当前检索出的非小细胞肺癌基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
继续检索指令2是指通过信息检索数据库,依次进行第四层级解读数据库的检索,并获取非小细胞肺癌基因变异与药物证据的过程。
处理继续检索指令2包括以下步骤:
一级数据库,即非小细胞肺癌基因变异信息数据库,作为信息检索数据库,接受继续检索指令2和发起继续检索数据库装置的请求。
通过相关检索词条,优先的在二级数据库,即第四级解读数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,并反馈至第一层级解读数据库,第一层级解读数据库综合第二层级、第三层级解读结果后,反馈至检索解读结果统计装置。
检索解读结果统计装置,判断当前综合了第一层级、第二层级、第三层级检索的非小细胞肺癌基因变异与药物证据的相关性,若达到用药临床标准,则下达3号解读报告指令至解读报告装置;若未达到临床直接用药标准,则反馈继续检索信息至信息检索数据库,发出继续检索指令3。
下达3号解读报告指令是指,解读报告装置可抓取当前检索出的非小细胞肺癌基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
所述的继续检索指令3是指,通过信息检索数据库,依次进行第五层级解读数据库的检索,并获取非小细胞肺癌基因变异与药物证据的过程。
处理继续检索指令3包括以下步骤:
一级数据库,即非小细胞肺癌基因变异信息数据库,作为信息检索数据库,接受继续检索指令3和发起继续检索数据库装置的请求;
通过相关检索词条,优先的在四级数据库,即第五级解读数据库中进行检索,获取非小细胞肺癌基因变异与药物证据,并反馈至第一层级解读数据库,第一层级解读数据库综合第二层级、第三层级解读、第四层级解读结果后,反馈至检索解读结果统计装置。
检索解读结果统计装置,判断当前检索的非小细胞肺癌基因变异与药物证据的相关性,若达到用药临床标准,则下达4号解读报告指令;若未达到临床直接用药标准,下达5号解读报告指令。
4号解读报告指令是指解读报告装置可当前检索出的非小细胞肺癌基因变异与药物证据数据,生成解读报告,结束整个解读过程。
5号解读报告指令是指解读报告装置可当前检索出的非小细胞肺癌基因变异与药物证据数据,生成解读报告,结束整个解读过程。
举例来说,信息处理模块对检索指令0,出现的检索结果如下:
对于检索指令0的检索结果,信息统计模块判定标准为,分值≥50分,触发1号解读报告指令,否者触发继续检索指令1。
信息处理模块对继续检索指令1,出现的检索结果如下:
对于检索指令1的检索结果,信息统计模块判定标准为,分值≥50分,触发2号解读报告指令,否者触发继续检索指令2。信息处理模块对继续检索指令2,出现的检索结果如下:
对于检索指令2的检索结果,信息统计模块判定标准为,分值≥50分,触发3号解读报告指令,否者触发继续检索指令3。
信息处理模块对继续检索指令3,出现的检索结果如下:
对于检索指令3的检索结果,信息统计模块判定标准为,分值≥50分,触发4号解读报告指令,否者触5号解读报告指令。
其中,第二层级解读数据库-药物适应症与基因变异信息一致(CFDA)记为CS2;第二层级解读数据库-药物适应症与基因变异信息一致(其他)记为OS2;第二层级解读数据库-药物适应症与基因变异信息不一致(CFDA)记为CN2;第二层级解读数据库-药物适应症与基因变异信息一致(其他)记为ON2;第三层级解读数据库-药物适应症与基因变异信息一致(国内)记为CS3;第三层级解读数据库-药物适应症与基因变异信息一致(其他)记为OS3;第三层级解读数据库-药物适应症与基因变异信息不一致(国内)记为CN3;第三层级解读数据库-药物适应症与基因变异信息一致(其他)记为ON3。
最终分值评定如下:
采用本实施例提供的交互方法可建立与疾病相关的基因变异与药物解读数据库,为疾病的基因变异与药物解读建立的解读标准、流程和模型;运用该多数据库交互方法和系统能够快速且精准地对每一个变异按不同层级进行解读,解读标准严苛具有科学性,可适用于疾病的精准治疗。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应用实施例1:对EGFR基因上的L858R突变相关的药物解读证据进行检索
检索指令0为EGFR+L858R,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受检索指令“EGFR+L858R”,并发起检索数据库的请求。
通过在优先的第二级解读数据库(即非小细胞肺癌基因变异与药物治疗批准信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
由于药物阿法替尼、吉非替尼、厄洛替尼、埃克替尼均处于最高药物与基因变异的最高证据等级,信息统计模块触发下级指令“1号解读报告指令”;
解读报告装置可抓取当前检索出的疾病基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
应用实施例2:对EGFR基因上的L861Q突变相关的药物解读证据进行检索
检索指令0为EGFR+L861Q,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受检索指令“EGFR+L861Q”,并发起检索数据库的请求。
通过在优先的第二级解读数据库(即非小细胞肺癌基因变异与药物治疗批准信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
检索指令1,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受继续检索指令1,并发起检索数据库的请求。
通过相关检索词条,优先的在第三级解读数据库(即非小细胞肺癌基因变异与药物治疗专家共识信息数据库)中进行检索,获取疾病基因变异与药物证据:
由于药物阿法替尼、吉非替尼、厄洛替尼、埃克替尼均处于最高药物与基因变异的最高证据等级,分值均≥50,信息统计模块触发下级指令“2号解读报告指令”;
解读报告装置可抓取当前检索出的疾病基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
应用实施例3:对EGFR基因上的H773Y突变相关的药物解读证据进行检索
检索指令0为EGFR+H773Y,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受检索指令“EGFR+H773Y”,并发起检索数据库的请求。
通过在优先的第二级解读数据库(即非小细胞肺癌基因变异与药物治疗批准信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
检索指令1,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受继续检索指令1,并发起检索数据库的请求。
通过在第三级解读数据库(即非小细胞肺癌基因变异与药物治疗专家共识信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
检索指令2,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受继续检索指令2,并发起检索数据库的请求。
通过在第四级解读数据库(即非小细胞肺癌基因变异与药物治疗临床试验信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
检索指令3,输入至信息检索接口模块,非小细胞肺癌基因变异基本信息数据库接受继续检索指令3,并发起检索数据库的请求。
通过在第五级解读数据库(即非小细胞肺癌文献信息数据库)中进行检索,获取疾病基因变异与药物证据如下:
信息统计模块EGFR基因突变位点H773Y,药物证据等级分值小于50分,触法5号解读报告指令;解读报告装置可抓取当前检索出的头颈部肿瘤基因变异与药物证据数据,生成解读报告,并结束整个解读过程。
应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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精神和范围。
Claims (9)
1.一种非小细胞肺癌基因变异及药物解读多数据库交互系统,其特征在于,包括:非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;
所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库分别两两连接;
所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;
所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;
所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据;
其中,所述非小细胞肺癌药物治疗数据库包括:非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库;
当接收到检索终端的原始检索指令,根据所述原始检索指令包括的检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异信息数据库的基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库中进行检索,得到药物清单;
根据所述药物清单和所述检索关键字在所述非小细胞肺癌基因变异与药物治疗批准信息数据库中进行检索,并根据检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第一相关性;
若所述第一相关性小于临床直接用药标准,则触发第一继续检索指令,并根据所述第一继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗专家共识信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第一相关性合并,得到非小细胞肺癌基因变异与药物证据的第二相关性;
若所述第二相关性小于临床直接用药标准,则触发第二继续检索指令,并根据所述第二继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗临床试验信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第二相关性合并,得到非小细胞肺癌基因变异与药物证据的第三相关性;
若所述第三相关性小于所述临床直接用药标准,则触发第三继续检索指令,并根据所述第三继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌文献信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第三相关性合并,得到非小细胞肺癌基因变异与药物证据的最终检索结果,并根据最终检索结果对非小细胞肺癌基因变异及药物进行解读;
其中,当所述第一相关性、第二相关性、第三相关性中任一项大于或等于临床直接用药标准时,则终止检索程序,并对非小细胞肺癌基因变异及药物进行解读。
2.根据权利要求1所述的系统,其特征在于,所述系统还包括:解读报告装置;
所述解读报告装置分别与所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库连接,用于对接收的判断结果进行解读,生成解读报告。
3.根据权利要求2所述的系统,其特征在于,所述系统还包括:检索解读结果统计装置;
所述解读结果统计装置分别与所述非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库、非小细胞肺癌文献信息数据库和解读报告装置连接,统计各数据库中检索的非小细胞肺癌基因变异与药物相关的证据等级,判断所述证据等级的高低得到判断结果,将所述判断结果发送给所述解读报告装置,并接收所述解读报告装置反馈的解读报告。
4.根据权利要求1所述的系统,其特征在于,所述非小细胞肺癌基因变异信息数据库包括基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库;
所述基因变异信息数据库用于存储选自下组的一项或多项:基因名称、基因功能背景介绍、染色体位置、转录本号、基因变异RS号、基因所处信号通路、基因变异核苷酸变异信息、基因变异氨基酸变异信息、序列变异在核苷酸和氨基酸水平功能预测结果;
所述非小细胞肺癌信息数据库用于存储选自下组的一项或多项:疾病发生部位、疾病名称、发生原因、疾病特征、诊断学方法及指标;
所述非小细胞肺癌药物数据库用于存储选自下组的一项或多项:疾病治疗药物,包括化学药物、靶向治疗药物、免疫治疗药物、基因治疗药物。
5.根据权利要求1所述的系统,其特征在于,所述非小细胞肺癌基因变异与药物治疗批准信息数据库用于存储选自下组的一项或多项:药物商品名称、通用名称、适应症信息、使用方法、剂量和管理、禁忌症、警告和/或预防措施、不良反应数据、药物相互作用及特定使用人群信息;
所述非小细胞肺癌基因变异与药物治疗批准信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息;
所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库用于存储与基因变异药物使用的诊断、治疗、监控和/或预后信息;
所述非小细胞肺癌基因变异与药物治疗专家共识信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息;
所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库用于存储已完成的临床试验和在招募的临床试验信息,包括选自下组的一项或多项:临床研究号、研究名称、研究方案、变异检测方法、样本数量、人群特征、研究结果和研究结论;
所述非小细胞肺癌基因变异与药物治疗临床试验信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
6.根据权利要求1所述的系统,其特征在于,所述非小细胞肺癌文献信息数据库用于存储选自下组的一项或多项:期刊名称、肿瘤类型、基因变异信息、检测方法、人群特征、样本数量、研究结果、研究结论、文献编号PMID和期刊IF因子;
所述非小细胞肺癌文献信息数据库的信息检索层级包括两层,第一层为非小细胞肺癌与基因变异信息,第二层为基因变异信息。
7.一种基于权利要求1-6任一项系统的多数据交互方法,其特征在于,包括:
接收检索终端的检索请求,所述检索请求包括检索关键字;
根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统中进行检索,得到非小细胞肺癌基因变异与药物证据;
查询预设相关性表得到非小细胞肺癌基因变异与药物证据的相关性,将所述相关性与临床直接用药标准进行比较,得到比较结果;
根据所述比较结果,执行对应的操作。
8.一种基于权利要求1-6任一项系统的多数据交互方法,其特征在于,包括:
接收检索终端的检索请求,所述检索请求包括检索关键字;
根据所述检索请求与非小细胞肺癌基因变异及药物解读多数据库交互系统进行交互,并根据所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的各数据库中进行宽泛性检索,根据检索的结果得到每个数据库非小细胞肺癌基因变异与药物相关的证据等级;
并将每个数据库非小细胞肺癌基因变异与药物相关的检索结果按照对应数据库的分值进行评分,并将各数据得分反馈至解读报告装置进行解读。
9.一种非小细胞肺癌基因变异及药物相关性的分级筛选方法,其包括如下步骤:
(1)建立非小细胞肺癌基因变异信息数据库、非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库;其中
所述非小细胞肺癌基因变异信息数据库、所述非小细胞肺癌药物治疗数据库和所述非小细胞肺癌文献信息数据库分别两两连接;所述非小细胞肺癌基因变异信息数据库用于存储非小细胞肺癌基因变异相关的数据;所述非小细胞肺癌药物治疗数据库用于存储非小细胞肺癌药物治疗相关的数据;所述非小细胞肺癌文献信息数据库用于存储非小细胞肺癌文献相关的数据;且其中,所述非小细胞肺癌药物治疗数据库包括:非小细胞肺癌基因变异与药物治疗批准信息数据库、非小细胞肺癌基因变异与药物治疗专家共识信息数据库以及非小细胞肺癌基因变异与药物治疗临床试验信息数据库;
(2)在非小细胞肺癌基因变异信息数据库获取疾病和/或基因变异为检索关键词,在非小细胞肺癌药物治疗数据库以及非小细胞肺癌文献信息数据库中进行检索,得到非小细胞肺癌基因变异与药物关系证据,所述证据分别储存于对应的数据库中;
(3)基于所述非小细胞肺癌基因变异与药物关系证据进行评分;
(4)依据各评分的总评分对该基因变异相关疾病适用的药物进行关联性分级;
当接收到检索终端的原始检索指令,根据所述原始检索指令包括的检索关键字在非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异信息数据库的基因变异信息数据库、非小细胞肺癌信息数据库和非小细胞肺癌药物数据库中进行检索,得到药物清单;
根据所述药物清单和所述检索关键字在所述非小细胞肺癌基因变异与药物治疗批准信息数据库中进行检索,并根据检索的结果查询预设相关性表得到非小细胞肺癌基因变异与药物证据的第一相关性;
若所述第一相关性小于临床直接用药标准,则触发第一继续检索指令,并根据所述第一继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗专家共识信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第一相关性合并,得到非小细胞肺癌基因变异与药物证据的第二相关性;
若所述第二相关性小于临床直接用药标准,则触发第二继续检索指令,并根据所述第二继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌基因变异与药物治疗临床试验信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第二相关性合并,得到非小细胞肺癌基因变异与药物证据的第三相关性;
若所述第三相关性小于所述临床直接用药标准,则触发第三继续检索指令,并根据所述第三继续检索指令和所述检索关键字在所述非小细胞肺癌基因变异及药物解读多数据库交互系统的非小细胞肺癌文献信息数据库中进行检索,并将所述检索的结果查询预设相关性表并与所述第三相关性合并,得到非小细胞肺癌基因变异与药物证据的最终检索结果,并根据最终检索结果对非小细胞肺癌基因变异及药物进行解读;
其中,当所述第一相关性、第二相关性、第三相关性中任一项大于或等于临床直接用药标准时,则终止检索程序,并对非小细胞肺癌基因变异及药物进行解读。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697971.4A CN109033756B (zh) | 2018-06-29 | 2018-06-29 | 一种非小细胞肺癌基因变异及药物解读多数据库交互系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810697971.4A CN109033756B (zh) | 2018-06-29 | 2018-06-29 | 一种非小细胞肺癌基因变异及药物解读多数据库交互系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033756A CN109033756A (zh) | 2018-12-18 |
CN109033756B true CN109033756B (zh) | 2019-08-06 |
Family
ID=65522068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810697971.4A Active CN109033756B (zh) | 2018-06-29 | 2018-06-29 | 一种非小细胞肺癌基因变异及药物解读多数据库交互系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033756B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920481B (zh) * | 2019-01-31 | 2021-06-01 | 北京诺禾致源科技股份有限公司 | Brca1/2基因变异解读数据库及其构建方法 |
CN110675930A (zh) * | 2019-09-25 | 2020-01-10 | 中南大学 | 一种针对非小细胞肺癌的决策方法、系统及装置 |
CN112037848A (zh) * | 2020-09-02 | 2020-12-04 | 荣联科技集团股份有限公司 | 非小细胞肺癌基因变异及用药解读系统及解读方法、装置 |
CN117079726B (zh) * | 2023-10-16 | 2024-01-30 | 浙江大学长三角智慧绿洲创新中心 | 基于单细胞的数据库可视化方法及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512142A (zh) * | 2014-09-26 | 2016-04-20 | 深圳华大基因股份有限公司 | 基因变异与药物关系数据库和数据库系统 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
CN107633153A (zh) * | 2017-08-22 | 2018-01-26 | 深圳华大基因研究院 | 一种肿瘤个体化临床实验文本挖掘的方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030108938A1 (en) * | 2001-11-06 | 2003-06-12 | David Pickar | Pharmacogenomics-based clinical trial design recommendation and management system and method |
-
2018
- 2018-06-29 CN CN201810697971.4A patent/CN109033756B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512142A (zh) * | 2014-09-26 | 2016-04-20 | 深圳华大基因股份有限公司 | 基因变异与药物关系数据库和数据库系统 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
CN107633153A (zh) * | 2017-08-22 | 2018-01-26 | 深圳华大基因研究院 | 一种肿瘤个体化临床实验文本挖掘的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109033756A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033756B (zh) | 一种非小细胞肺癌基因变异及药物解读多数据库交互系统 | |
US11769572B2 (en) | Method and process for predicting and analyzing patient cohort response, progression, and survival | |
US11705226B2 (en) | Data based cancer research and treatment systems and methods | |
CN108959856B (zh) | 一种疾病基因变异及药物解读多数据库交互系统及方法 | |
Ozerov et al. | In silico Pathway Activation Network Decomposition Analysis (iPANDA) as a method for biomarker development | |
Gandelman et al. | Machine learning reveals chronic graft-versus-host disease phenotypes and stratifies survival after stem cell transplant for hematologic malignancies | |
CN109063419B (zh) | 一种胃癌基因变异及药物解读多数据库交互系统 | |
CN109063420A (zh) | 一种结直肠癌基因变异及药物解读多数据库交互系统 | |
Wang et al. | PRODeepSyn: predicting anticancer synergistic drug combinations by embedding cell lines with protein–protein interaction network | |
US20220154284A1 (en) | Determination of cytotoxic gene signature and associated systems and methods for response prediction and treatment | |
US20220270763A1 (en) | Method and process for predicting and analyzing patient cohort response, progression, and survival | |
CN108920896B (zh) | 一种骨肿瘤基因变异及药物解读多数据库交互系统 | |
US11875903B2 (en) | Method and process for predicting and analyzing patient cohort response, progression, and survival | |
CN108897991A (zh) | 一种头颈部肿瘤基因变异及药物解读多数据库交互系统 | |
Ye et al. | Ranking novel cancer driving synthetic lethal gene pairs using TCGA data | |
Consiglio et al. | A fuzzy method for RNA-Seq differential expression analysis in presence of multireads | |
Bendall et al. | Specific human endogenous retroviruses predict metastatic potential in uveal melanoma | |
CN109036572A (zh) | 一种多数据库交互方法及装置 | |
Su et al. | Identification of logic relationships between genes and subtypes of non-small cell lung cancer | |
Zhang et al. | Integrating omics data and protein interaction networks to prioritize driver genes in cancer | |
Lee et al. | Integrative analysis of gene expression data by RNA sequencing for differential diagnosis of acute leukemia: Potential application of machine learning | |
CN109065181A (zh) | 一种基于宽泛检索的多数据库交互方法及装置 | |
Jiang et al. | Artificial Intelligence Meets Whole Slide Images: Deep Learning Model Shapes an Immune‐Hot Tumor and Guides Precision Therapy in Bladder Cancer | |
Benard | Integrating Features of Clonal Evolution in the Modeling of Disease Risk and Drug Sensitivity in Acute Myeloid Leukemia | |
Liany et al. | An Algorithm to Mine Therapeutic Motifs for Cancer From Networks of Genetic Interactions |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220419 Address after: 611731, 16 Chengdu, hi tech Zone, Sichuan, China Patentee after: MACCURA BIOTECHNOLOGY Co.,Ltd. Address before: 611731 area a, 7 / F, building 5, No.8, Anhe 2nd Road, high tech West District, Chengdu, Sichuan Patentee before: MAQGEN TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |