CN109584964A - 基因数据多维度注释的数据管理系统 - Google Patents

Abstract

本发明涉及一种基因数据多维度注释的数据管理系统，包括实验数据库、临床信息注释模块、实验数据注释模块、数据质控注释模块、分析结果注释模块和随访信息注释模块；临床信息注释模块管理样本临床信息并传送到实验数据注释模块；实验数据注释模块分析处理数据，将数据传送到数据质控注释模块；数据质控注释模块对数据进行全流程质控，分析数据并传送给分析结果注释模块；分析结果注释模块注释数据并传送到实验数据库存储。本发明使临床信息记录规范化，信息记录更加完整，解决了目前存在的临床信息时间断点问题，能够对数据进行规范管理，为后续研究奠定基础，使分析结果解读具备更充分的意义，对所有数据进行了有效管理。

Description

基因数据多维度注释的数据管理系统

技术领域

本发明属于基因工程技术领域，具体涉及一种基因数据多维度注释的数据管理系统。

背景技术

随着二代测序技术的成熟和完善，基因测序在肿瘤研究领域得到了广泛应用。肿瘤样本基因测序可分为基因组测序和转录组测序两大类，基因组测序从基础DNA出发，基于参考基因组寻找出基因突变，从而进一步研究突变对肿瘤的作用和影响。而转录组测序则是从RNA出发，从基因表达层面出发，研究异常表达的基因，从而进一步研究异常表达基因与肿瘤之间的联系。虽然研究出发点不一样，但目的却殊途同归，都是寻找与肿瘤相关的基因突变，研究肿瘤发生机制。

无论是基因组测序还是转录组测序，目前的主要流程是实验室负责实验，分析部门只管分析数据，对于数据的质控并不完善。对于样本临床信息和实验流程同样了解不多，所分析出的结果仅仅是基于测序数据的结果，没有很好地与临床信息结合起来。此外，临床信息基本是依靠医生手动整理，由于医生习惯不同、工作不同等差异，导致不同医生整理的信息并不相同，分析人员难以从中获得准确有效的临床信息来对分析结果进行解读。

目前对基因测序数据分析，分析人员基本是进行纯数据分析，较少结合数据样本对应的临床信息，导致分析结果实际意义不大。此外，样本临床信息难以主动获取，基本都是依赖于医生个人收集整理。这一过程具备极大的自主性和不确定性。由于各种各样的因素，医生整理的临床信息各不相同，多数时候内容不够条理化，也不够完整，无法提供分析人员所需的全部临床信息。此外，医生提供的临床信息也仅仅局限于获取样本之前的临床信息，对于之后患者的临床表现，并未实时反馈给分析人员，导致信息存在时间断点，完整性不足。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的基因数据多维度注释的数据管理系统。

为了实现上述发明目的，本发明提供的技术方案如下：

一种基因数据多维度注释的数据管理系统，包括实验数据库、临床信息注释模块、实验数据注释模块、数据质控注释模块、分析结果注释模块和随访信息注释模块；临床信息注释模块用于样本临床信息管理，收集、分析样本临床信息并将分析后的数据传送到实验数据注释模块；实验数据注释模块用于分析处理临床信息注释模块传送来的数据，将分析处理后的数据传送到数据质控注释模块，并将分析处理后的数据传送到实验数据库存储；数据质控注释模块用于对数据进行全流程质控，分析实验数据注释模块传送来的数据并将分析后的数据传送给分析结果注释模块，并将分析后的数据传送到实验数据库中进行存储；分析结果注释模块用于对数据质控注释模块传送来的数据进行解读与注释，并将注释后的数据传送到实验数据库存储起来；随访信息注释模块用于将随访数据存储进实验数据库中，对实验数据库中的数据进行更新；实验数据注释模块、数据质控注释模块和分析结果注释模块均能够访问实验数据库并从实验数据库中调取数据。

一种基因数据多维度注释的数据管理方法，通过所述基因数据多维度注释的数据管理系统来实现，对基因序列数据进行注释，包括：

步骤A)通过临床信息注释模块来实现样本临床信息管理；

步骤B)通过实验数据注释模块和实验数据库来实现实验数据管理；

步骤C)通过数据质控注释模块来实现测序数据全流程质控；

步骤D)通过分析结果注释模块来实现分析结果解读与注释。

进一步地，所述数据管理方法还包括：步骤E)通过随访信息注释模块来实现随访数据的更新。

进一步地，在步骤A)中，采用样本临床信息收集模板收集管理样本临床信息，收集管理样本临床信息包括：样本编号、肿瘤类型、样本来源、送检人、样本量、样本采集日期、取样位置、取样方式、样本存放位置、检测项目、样本类型。

进一步地，在步骤A)中，检测项目涵盖基因组学分析、转录组学分析和正常人疾病风险检测，其中基因组学分析包括全基因组测序、全外显子测序和靶向区域测序，检测内容覆盖碱基替换突变、插入缺失突变、拷贝数变异以及结构变异；转录组学分为基因融合、可变剪切以及差异表达分析，数据覆盖mRNA、microRNA、lncRNA转录测序数据。

进一步地，在步骤B)中，实验数据注释模块详细记录并将整个实验流程数据存储到实验数据库中，实验数据库存储的记录信息包括实验室ID、样本接收日期、实验进度、样本取样体积、引物ID、DNA产量、建库产量、杂交捕获产量、上机量、样本存放位置、操作人、实验结果、备注。

进一步地，在步骤C)中，从接收到原始数据开始，到原始数据预处理、与参考基因组比对、产生变异分析结果四个环节，数据质控注释模块全都对其进行相应的质控，搭建出一套完整的质控流程。

进一步地，在步骤C)中，每个环节的质控结果分为图表和数据文件两大类；数据文件保存在实验数据库中永久留存；图表化结果通过可视化页面进行展示，用表格、图形来展示质控结果。

进一步地，在步骤D)中，分析结果注释模块基于原始测序数据进行深入分析，从中挖掘出有用的数据结果。

进一步地，在步骤D)中，分析结果注释模块对临床样本进行基因信息、变异有害性、相关靶向药物治疗、化疗的信息注释。

本发明提供的基因数据多维度注释的数据管理系统，使临床信息记录规范化，信息记录更加完整，具备了临床信息录入管理、样本实验数据存储和管理、分析流程质控结果管理、分析结果多维度注释与解读、患者后续跟踪随访信息管理等功能，不仅解决了目前存在的临床信息时间断点问题，还能够对数据进行规范管理，为后续研究奠定基础，解决了现有技术中的临床信息不规范、不完善、临床信息模板不完善、样本实验与分析环节分离、患者信息随访记录缺少等问题，为分析人员提供所需临床信息，使分析结果解读具备更充分的意义，真正达到生物医学研究的目的，同时对所有数据进行了有效管理，可以很好地满足实际应用的需要。

附图说明

图1为本发明的基因数据多维度注释的数据管理系统的结构框图；

图2为样本临床信息收集模板界面图；

图3为实验数据库信息输入界面图；

图4为数据质控流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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。

如图1所示，基因数据多维度注释的数据管理系统，包括实验数据库和五个功能模块：临床信息注释模块、实验数据注释模块、数据质控注释模块、分析结果注释模块和随访信息注释模块；临床信息注释模块用于样本临床信息管理，收集、分析样本临床信息并将分析后的数据传送到实验数据注释模块；实验数据注释模块用于分析处理临床信息注释模块传送来的数据，并将分析处理后的数据传送到数据质控注释模块，并将分析处理后的数据传送到实验数据库存储；数据质控注释模块用于对数据进行全流程质控，分析实验数据注释模块传送来的数据并将分析后的数据传送给分析结果注释模块，并同时将分析后的数据传送到实验数据库中进行存储；分析结果注释模块用于对数据质控注释模块传送来的数据进行解读与注释，并将注释后的数据传送到实验数据库存储起来；随访信息注释模块用于将随访数据存储进实验数据库中，对实验数据库中的数据进行更新；实验数据注释模块、数据质控注释模块和分析结果注释模块均能够访问实验数据库并从实验数据库中调取数据。

本发明提出的基因数据多维度注释的数据管理系统，设计了一系列信息收集模板，具备了临床信息录入管理、样本实验数据存储和管理、分析流程质控结果管理与可视化、分析结果多维度注释与解读、患者后续跟踪随访信息管理等功能，不仅解决了目前存在的临床信息时间断点问题，还能够对数据进行规范管理，为后续研究奠定基础。

基因数据多维度注释的数据管理方法，通过上述基因数据多维度注释的数据管理系统来实现，主要从以下五个维度对基因序列数据进行注释：

(1)样本临床信息管理，通过临床信息注释模块来实现：

采用样本临床信息收集模板收集管理样本临床信息，样本临床信息收集模板如图2所示；样本临床信息收集模板有助于实验人员和分析人员对样本数据有足够的了解，尽可能地全面收集各个患者、样本的临床信息，为后续分析以及结果解读做准备，帮助更好地完成实验操作和分析流程，获得可靠、准确、有意义的分析结果；

收集管理样本临床信息包括：样本编号、肿瘤类型、样本来源、送检人、样本量、样本采集日期、取样位置、取样方式、样本存放位置、检测项目、样本类型等信息。

样本编号采用专门制定的命名规则来进行命名，既保护了患者隐私，防止与外部对接时患者隐私信息泄露，同时还有助于管理样本；当样本量不断积累时，简洁明了、有规则的样本编号可以极大减少样本管理工作，有效防止样本过多时容易出现样本混乱的问题，同时还有助于实验室实时了解样本情况，合理安排实验任务和进程。

可分析的肿瘤类型包括肺癌、肠癌、卵巢癌、胰腺癌、乳腺癌等常见肿瘤在内的总共数十种肿瘤；可支持的样本类型包括石蜡切片、新鲜组织、血液和唾液四种，基本囊括了目前常见的几种样本类型；

样本来源和送检人的信息录入有助于管理不同用户的样本信息，在用户端，以用户为核心将样本数据分隔成一个个“孤岛”，既允许用户能够完整查阅下辖的所有样本数据，又有效阻止了不同用户间数据混杂或泄露的风险。

样本量、样本采集日期、取样位置、取样方式、样本存放位置等信息可以帮助实验室了解样本信息，预先确定好应该采取的实验流程，同时合理有效地安排实验任务，条理清楚地管理样本。

检测项目涵盖基因组学分析、转录组学分析和正常人疾病风险检测，其中基因组学又可细分为全基因组测序、全外显子测序和靶向区域测序三大类，检测内容覆盖碱基替换突变、插入缺失突变、拷贝数变异以及结构变异等；转录组学同样可细分为基因融合、可变剪切以及差异表达分析三大类，数据覆盖mRNA、microRNA、lncRNA等多种转录测序数据。正常人疾病风险检测可对人体健康情况进行评估，涵盖遗传病筛选、肿瘤风险预测、消化道疾病、神经系统疾病等慢性疾病的检测分析，提前预防可能存在的药物不良反应等常见问题。

肿瘤类型、样本类型结合检测项目，可以明确用户的分析需求，从而可以让云平台能够自动从预先制定好的多种分析方案中选择出最匹配的方案进行分析，进而帮助分析人员进行后续深入分析，同时提供具备实际意义的结果解读报告。

通过临床信息注释模块来实现临床信息的注释，通过与医生沟通，从医生那拿到患者的样本以及对应的临床信息，同时还提供信息补充、修改、完善等功能，帮助医生管理患者信息，同时有助于实验室了解样本信息，从而设计合理的实验流程，还有利于分析技术人员了解数据本质以及背后的意义，为分析与结果解读提供必备基础。临床信息注释模块将信息数据传送到实验数据库中存储。

(2)实验数据管理，通过实验数据注释模块和实验数据库来实现；

实验数据注释模块详细记录并将整个实验流程数据存储到实验数据库中，有助于实验人员回溯实验过程、实验进展以及实验日程分配等，帮助实验室合理安排实验任务，同时还可以让分析技术人员了解实验进度、样本质量等信息，为后续结果分析与整理提供参考资料；

实验数据库用于保存所有的实验信息，实验数据注释模块可以访问实验数据库并从实验数据库调取数据，从而帮助实验室工作人员了解实验进展和样本处理情况，使得实验室工作更加流程化、规范化，从而可以合理安排实验任务，有效提高了工作效率。

实验数据注释模块将实验数据记录信息存储到实验数据库中。如图3所示，实验数据库存储的记录信息包括实验室ID、样本接收日期、实验进度、样本取样体积、引物ID、DNA产量、建库产量、杂交捕获产量、上机量、样本存放位置、操作人、实验结果、备注等。

实验进度包括样本接收、核酸、建库、上机、分析、已完成等数个阶段，而且会实时更新，帮助实验人员快速了解各样本的状态和实验进度，从而合理安排后续实验内容与日程。此外，还可以让分析部门、用户、销售实时跟踪样本进展，为后续分析、沟通做准备。

实验质控详细说明了样本质量情况、实验结果好坏等，有助于实验人员从中汲取经验，提升实验过程中的不足之处，同时给分析部门提供参考，对后续深入分析过滤以及参数优化具有借鉴意义。

通过实验数据注释模块实现实验数据的注释，通过实验处理，可以得到样本的第一次质控，同时丰富样本的信息，为样本增添部分实验室指标的注释信息。此外还可帮助实验室整理所有样本信息，合理安排实验任务，从而可以提高实验效率。丰富全面的实验数据不仅让实验人员了解样本，还有助于完善实验流程，提高实验速度与质量。临床信息注释模块也将信息数据传送到实验数据库中存储。

(3)测序数据全流程质控，通过数据质控注释模块来实现；

从接收到原始数据开始，到原始数据预处理、与参考基因组比对、产生变异分析结果四个环节，数据质控注释模块全都对其进行相应的质控，从而搭建出一套完整的质控流程，如图4所示，质控流程包括：原始测序数据质控、预处理前后数据质控对比、BAM文件质控、VCF文件质控和后续分析。帮助分析人员详细掌握每个环节数据的质量情况，极大提高了分析结果的可靠性和准确性。

每一环节的质控结果分为图表和数据文件两大类。数据文件保存在数据库中永久留存，完成后续搭建独立数据库的数据积累需求。图表化结果会在可视化页面进行展示，用简洁清晰的表格、直观明了的图形来展示质控结果，让用户更加容易接受和理解。

通过数据质控注释模块实现数据质控的注释，测序数据代表着样本的数据层面，乃重中之重，测序数据的质量，不仅影响后续分析结果，而且从数据层面表征了样本质量的优劣，样本价值和意义的大小。对测序数据进行全流程、全方位的质控，帮助更深入的掌握数据情况，进而优化后续分析流程与参数，显著提高分析的可靠性和准确性，提高分析效率，减少计算、人力、时间资源浪费。

(4)分析结果解读与注释，通过分析结果注释模块来实现；

分析结果注释模块基于原始测序数据进行深入分析，如通路富集、拷贝数变异等，从中挖掘出有用的数据结果。但单纯的基因序列数据分析结果没有太大意义，只有结合样本临床信息进行解读，才能发掘出基因序列数据分析的真正意义和价值。对于临床样本，分析结果会进行基因信息、变异有害性、相关靶向药物治疗、化疗等信息注释，从而保证分析结果具备临床指导作用。对于科研项目，分析结果会进行通路富集、功能注释、一代验证、相关数据库注释等，让结果更加丰富饱满，使得科研意义更加具备价值。

同时为了便于理解分析结果，更好地进行解读，对分析结果还提供了一系列的可视化图形结果，以及完整的分析解读报告。根据用户的需求，可视化结果和分析报告分为临床版和科研版两大类，临床版侧重于突变结果以及相关临床用药、化疗等治疗指导，而科研版更加注重结果的丰富性，因此设计的可视化图形结果更加多种多样，满足科研需求。

除了电子版报告可直接通过云平台下载外，原始测序数据、比对数据BAM文件、突变检测初步结果VCF文件、各种质控结果以及最终分析结果TXT文件等都可以通过云平台进行下载，满足用户想要自行研究与查看的需求。

通过分析结果注释模块来实现分析结果的注释：将分析结果与临床信息相结合，发掘结果与临床之间的深层次联系，让纯粹的数据结果变得有实际意义。科研上，对分析结果进行通路富集、功能注释、相关数据库注释等，让结果更加丰富饱满，使得科研意义更加具备价值，将样本的价值与意义发挥到最大。

(5)随访数据的长期更新，通过随访信息注释模块来实现；

医生提供的临床信息也仅仅局限于获取样本之前的临床信息，对于之后患者的临床表现，并未实时反馈给分析人员，导致信息存在时间断点，完整性不足。针对这一现状，本发明设计的数据管理系统增加了随访数据录入管理模块，不仅长期积累患者的病理信息，还记录了患者的治疗信息，如手术、化疗等治疗时间、效果等，还有免疫组化等指标信息，避免因在不同医院就诊而导致病人信息缺失、断层等。

随访数据的长期更新，一方面可以根据随访记录修正分析结果解读，进一步完善临床指导，使之更加准确可靠；另一方面还可以丰富科研意义，提升科研成果的价值。此外，随访数据的记录存储，可为后续深入研究奠定基础。

通过随访信息注释模块来实现随访信息的注释，通过对患者进行随访记录，从而完善临床信息，一方面可以根据随访记录修正分析结果解读，进一步完善临床指导，使之更加准确可靠；另一方面还可以丰富科研意义，提升科研成果的价值。此外，随访数据的记录存储，可为后续深入研究奠定基础，让样本的价值得以延续。

肿瘤研究是一项耗时难以估量的工程，需要不断积累。而研究的基础在于数据，因此庞大而可靠的数据库对科研有很大的助力。而且人类基因序列数据量非常庞大，要想挖掘出隐藏在巨大数据量背后的意义与价值，不仅需要借助大数据计算，同样还要依靠规范可靠、数据量充足的数据库。因此，对于所有的分析结果，本发明设计的系统都会自动进行保存备份，为后续建立独立数据库奠定基础。

本发明提出的基因数据多维度注释的数据管理系统，设计出了完善的样本临床信息收集模板、分析结果注释解读、临床随访、跟踪信息管理系统，使临床信息记录规范化，分析结果解读具备临床指导意义和科研作用，信息记录更加完整，具备了临床信息录入管理、样本实验数据存储和管理、分析流程质控结果管理、分析结果多维度注释与解读、患者后续跟踪随访信息管理等功能，使临床信息记录更加规范化，不仅解决了目前存在的临床信息时间断点问题，还能够对数据进行规范管理，为后续研究奠定基础。本发明解决了现有技术中的临床信息不规范、不完善、临床信息模板不完善、样本实验与分析环节分离、患者信息随访记录缺少等问题，为分析人员提供所需临床信息，使分析结果解读具备更充分的意义，真正达到生物医学研究的目的，同时对所有数据进行了有效管理，为搭建数据库建立了数据基础。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基因数据多维度注释的数据管理系统，其特征在于，包括实验数据库、临床信息注释模块、实验数据注释模块、数据质控注释模块、分析结果注释模块和随访信息注释模块。

2.根据权利要求1所述的数据系统，其特征在于，临床信息注释模块用于样本临床信息管理，收集、分析样本临床信息并将分析后的数据传送到实验数据注释模块；实验数据注释模块用于分析处理临床信息注释模块传送来的数据，将分析处理后的数据传送到数据质控注释模块，并将分析处理后的数据传送到实验数据库存储；数据质控注释模块用于对数据进行全流程质控，分析实验数据注释模块传送来的数据并将分析后的数据传送给分析结果注释模块，并将分析后的数据传送到实验数据库中进行存储；分析结果注释模块用于对数据质控注释模块传送来的数据进行解读与注释，并将注释后的数据传送到实验数据库存储起来；随访信息注释模块用于将随访数据存储进实验数据库中，对实验数据库中的数据进行更新；实验数据注释模块、数据质控注释模块和分析结果注释模块均能够访问实验数据库并从实验数据库中调取数据。

3.一种基因数据多维度注释的数据管理方法，其特征在于，通过权利要求1或2所述的基因数据多维度注释的数据管理系统来实现，对基因序列数据进行注释，包括：

步骤A)通过临床信息注释模块来实现样本临床信息管理；

步骤B)通过实验数据注释模块和实验数据库来实现实验数据管理；

步骤C)通过数据质控注释模块来实现测序数据全流程质控；

步骤D)通过分析结果注释模块来实现分析结果解读与注释。

4.根据权利要求1-3所述的数据管理方法，其特征在于，所述数据管理方法还包括：步骤E)通过随访信息注释模块来实现随访数据的更新。

5.根据权利要求1-4所述的数据管理方法，其特征在于，在步骤A)中，采用样本临床信息收集模板收集管理样本临床信息，收集管理样本临床信息包括：样本编号、肿瘤类型、样本来源、送检人、样本量、样本采集日期、取样位置、取样方式、样本存放位置、检测项目、样本类型。

6.根据权利要求1-5所述的数据管理方法，其特征在于，在步骤A)中，检测项目涵盖基因组学分析、转录组学分析和正常人疾病风险检测，其中基因组学分析包括全基因组测序、全外显子测序和靶向区域测序，检测内容覆盖碱基替换突变、插入缺失突变、拷贝数变异以及结构变异；转录组学分为基因融合、可变剪切以及差异表达分析，数据覆盖mRNA、microRNA、lncRNA转录测序数据。

7.根据权利要求1-6所述的数据管理方法，其特征在于，在步骤B)中，实验数据注释模块详细记录并将整个实验流程数据存储到实验数据库中，实验数据库存储的记录信息包括实验室ID、样本接收日期、实验进度、样本取样体积、引物ID、DNA产量、建库产量、杂交捕获产量、上机量、样本存放位置、操作人、实验结果、备注。

8.根据权利要求1-7所述的数据管理方法，其特征在于，在步骤C)中，从接收到原始数据开始，到原始数据预处理、与参考基因组比对、产生变异分析结果四个环节，数据质控注释模块全都对其进行相应的质控，搭建出一套完整的质控流程。

9.根据权利要求1-8所述的数据管理方法，其特征在于，在步骤C)中，每个环节的质控结果分为图表和数据文件两大类；数据文件保存在实验数据库中永久留存；图表化结果通过可视化页面进行展示，用表格、图形来展示质控结果。

10.根据权利要求1-9所述的数据管理方法，其特征在于，在步骤D)中，分析结果注释模块基于原始测序数据进行深入分析，从中挖掘出有用的数据结果；分析结果注释模块对临床样本进行基因信息、变异有害性、相关靶向药物治疗、化疗的信息注释。