CN113764032A - 一种荧光定量pcr平台基因智能识别和报告自动化系统 - Google Patents

Abstract

本发明提出一种基于荧光定量PCR平台的基因智能识别和报告的自动化系统，该系统与LIS交互信息，自动生成检测报告并回传LIS，适用于药物基因组和新冠核酸检测，具有兼容多种qPCR仪器和LIS系统，能够进行阴性、阳性、纯合、杂合、野生型、异常提醒的智能判别等诸多优势。

Description

一种荧光定量PCR平台基因智能识别和报告自动化系统

技术领域

本发明涉及数据处理方法和系统，具体涉及一种基于荧光定量PCR平台的基因智能识别和报告自动化系统。

背景技术

荧光定量PCR是一种常见的PCR技术，它通过荧光染料或荧光标记的具有特异性的探针，对PCR产物进行标记跟踪，可以实时在线监控反应过程，结合相应的软件可以对产物进行分析，计算待测样品模板的初始浓度。该技术具有灵敏性高、操作简便、速度快、结果直观以及重复性好等诸多优势，目前已经广泛应用于各种临床疾病诊断和疗效评价，包括各型癌症、肝炎和流感等。

通常荧光定量PCR和试剂盒来自不同厂商，在检测量不大的情况下，检测人员可以通过肉眼判读和手动出报告完成检测。一旦每天检测量超过1000，就必须通过系统进行自动判别，并与LIS交互信息，自动生成检测报告并回传LIS。遗憾额是，截止目前，只存在个别封闭式的软件，对应固定品牌型号qPCR仪器和固定检测试剂盒，却不能对接医院的LIS系统，在生成检测报告环节存在诸多手动引入的风险，如张冠李戴，日期错误等。

对于强调重复性和准确性的临床检测项目，如何识别出异常结果并提示显得尤为重要。异常的原因众多，如仪器性能下降，实验操作不规范，试剂盒不合格。由于异常数据较为罕见，在样本数据量不足的情况下，比较难找到异常数据，所以简单根据说明书判别规则进行判读的软件系统，无法给出异常数据的提示，因为大部分异常不会出现在说明书中。

有鉴于此，提出本发明。

发明内容

本发明正是基于上述技术问题至少之一，提出了一种新的基于荧光定量PCR平台的基因智能识别和报告方法及自动化系统。

本发明的首要目的是提供了一种基于荧光定量PCR平台的基因智能识别和报告自动化系统。

为实现上述目的，本发明提出如下技术方案：

本发明提供一种基于荧光定量PCR平台的基因智能识别和报告的自动化系统，所述系统包括如下模块：

1)数据转化模块；

2)数据判读模块；

3)数据质控模块：

4)数据报告模块；

5)lis系统调用模块。

进一步的，所述系统包括各模块如下：

1)数据转化模块：该模块根据选择的qPCR仪器类型使用python语言解析该qPCR仪器的下机数据文件；

2)数据判读模块：该模块针对1)数据转化模块得到的下机数据文件，根据选择的试剂盒类型使用对应算法判读下机结果；

3)数据质控模块：该模块基于数据质控组件，建立判别数学模型；还包括基于AI智能学习组件预测检测结果曲线形状；

4)数据报告模块：该模块内置多种报告模板，根据用户需要，选择报告模板用于生成报告；或可将报告模板和样本数据判别结果解耦，用户可根据自己的需要自定义设计报告模板，以实现报告自动化。

5)lis系统调用模块：该模块包含多套API接口，供主流的LIS调用，实现与LIS交互信息，自动生成检测报告并回传LIS。

在一些实施方式中，所述1)数据转化模块中，所述解析采用python语言进行解析；所述下机文件类型包括反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号Delta Rnvalues信息。

在一些实施方式中，所述1)数据转化模块具体配置如下：该模块使用python语言对PCR仪下机进行数据解压和打开，再用python语言提取文件内容，提取出包括反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号Delta Rn values信息。

在一些具体的实施方式中，所述1)数据转化模块具体配置如下：该模块使用python语言的zipfile模块对PCR仪下机进行数据解压，用python语言open函数打开analysis_result.txt或experiment_data文件，再用python语言的read方法提取文件内容，提取出包括但不限于反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号DeltaRn values信息。

在一些实施方式中，所述2)数据判读模块具体配置如下：使用python语言整合反应孔编号、样本名称、通道名、通道对应的Ct值、荧光信号Delta Rn values信息，再根据选择的试剂盒类型使用对应算法判读下机结果。

在一些实施方式中，所述3)数据质控模块具体配置如下：该模块对数据判读模块提取出的数据进行质控：使用python语言判断ROX通道Ct值，AI智能学习组件根据历史荧光信号Delta Rn values使用随机森林算法预测曲线形状。

在一些优选的实施方式中，该模块对数据判读模块提取出的数据进行质控：使用python语言判断ROX通道Ct值<38并且荧光信号Delta Rn values呈S型曲线为正常结果，ROX通道Ct值≥38并且荧光信号Delta Rn values呈非S型曲线为异常结果。

在一些更优选的实施方式中，当质控判读为异常结果时告知系统异常归类，实现异常结果功能的迭代；具体的，对于系统提示的异常结果，该模块基于数据质控模块建立的判别模型，通过人工打标签的形式，告知系统异常归类，实现异常结果功能的迭代。

在一些实施方式中，所述4)数据报告模块具体配置如下：该模块内置多种试剂盒的报告模板，根据用户选择的试剂盒生成对应报告；用户也可以根据自己的需要自定义设计报告模板；该模块使用python语言的requests模块调用医院lis的接口并使用python语言的json模块解析出样本的临床检测信息，包括但不限于订单号、姓名、性别和年龄，再根据订单号对应上数据判读模块得到的判读结果，最后使用python的docxtpl模块将样本的临床检测信息和判读结果一起自动填入word报告，并将生成的word报告转为PDF格式，并回推给LIS系统。

本发明还提供一种基于荧光定量PCR平台的基因智能识别和报告装置，包括：至少一个存储器，用于存储程序；至少一个处理器，用于加载所述程序以运行上述的自动化系统。

本发明还提供一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于运行上述的自动化系统。

本发明还提供上述任一所述的自动化系统、装置以及存储介质在药物基因组或新冠核酸检测分子诊断中的应用。

本发明还提供上述任一所述的自动化系统、装置以及存储介质在制备药物基因组或新冠核酸检测分子诊断设备中的应用。

本发明的显著技术效果：

1)本发明可兼容多种qPCR仪，能够自动根据试剂盒检测结果的判读规则对下机数据(反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号Delta Rn values信息)进行判读(阴性/阳性)和质控，并使用人工智能自动判断PCR扩增曲线的类型，异常数据会在结果报告中提示异常，即本发明可有效对检测数据进行阴性、阳性、纯合、杂合、野生型、异常提醒等多种智能判别。

2)本发明可兼容多种LIS系统，能够对接医院Lis系统，自动将判读结果上传到医院Lis系统，减少了人为操作，减少人为误差。

3)本发明还可自动统计历史数据，数据包含仪器类型、试剂盒类型以及每个孔的结果，使用大数据的方式对仪器性能和实验质量进行监控。

4)本发明可有效应用于药物基因组和新冠核酸检测等分子诊断检测项目。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1本发明系统流程图；

图2数据报告模块自定义设计报告模板填写版示意图；

图3数据报告模块自定义设计报告模板示意图；

图4系统界面图1；

图5系统界面图2；

图6系统报告图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

以下术语或定义仅仅是为了帮助理解本发明而提供。这些定义不应被理解为具有小于本领域技术人员所理解的范围。

除非在下文中另有定义，本发明具体实施方式中所用的所有技术术语和科学术语的含义意图与本领域技术人员通常所理解的相同。虽然相信以下术语对于本领域技术人员很好理解，但仍然阐述以下定义以更好地解释本发明。

如本发明中所使用，术语“包括”、“包含”、“具有”、“含有”或“涉及”为包含性的(inclusive)或开放式的，且不排除其它未列举的元素或方法步骤。术语“由…组成”被认为是术语“包含”的优选实施方案。如果在下文中某一组被定义为包含至少一定数目的实施方案，这也应被理解为揭示了一个优选地仅由这些实施方案组成的组。

在提及单数形式名词时使用的不定冠词或定冠词例如“一个”或“一种”，“所述”，包括该名词的复数形式。

本发明中的术语“大约”、“大体”表示本领域技术人员能够理解的仍可保证论及特征的技术效果的准确度区间。该术语通常表示偏离指示数值的±10％，优选±5％。

此外，说明书和权利要求书中的术语第一、第二、第三、(a)、(b)、(c)以及诸如此类，是用于区分相似的元素，不是描述顺序或时间次序必须的。应理解，如此应用的术语在适当的环境下可互换，并且本发明描述的实施方案能以不同于本发明描述或举例说明的其它顺序实施。

本申请所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统大体是这样的系统，包括如下模块：1)数据转化模块；2)数据判读模块；3)数据质控模块：4)数据报告模块；5)lis系统调用模块。

该自动化系统包含了多套API接口，供国内主流的LIS调用，实现了与LIS交互信息，自动生成检测报告并回传LIS。另外，该自动化系统还可对接多款qPCR仪器和检测试剂盒，比如可以配合罗氏、赛默飞世尔、天隆等厂家的qPCR仪器完成药物基因组、新冠核酸检测。该自动化系统对不同试剂盒在不同检测仪器上的下机数据，分别建立判别数学模型，并通过人工智能的方式判断检测结果的曲线类型，如是否为标准S型曲线。对于系统提示的异常结果，通过人工打标签的形式，告诉系统异常归类，实现异常结果功能的迭代。该自动化系统中，将报告模板和样本数据判别结果解耦，用户可以根据自己的需要设计word报告模板，以实现报告自动化，即根据样本数据判别结果以及LIS中的临床检测信息，自动填充到报告模板中，并将生成的word报告转为PDF格式，并回推给LIS系统，整个过程都以订单号来完成通信握手，保证检测结果不会张冠李戴。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例1自动化系统的配置例

如图1所示的本发明基于荧光定量PCR平台的基因智能识别和报告的自动化系统包括如下模块：

1)数据转化模块，

2)数据判读模块，

3)数据质控模块，

4)数据报告模块，

5)lis系统调用模块。

其中，数据转化模块配置如下：该模块根据选择的qPCR仪器类型使用对应的算法来解析该qPCR仪器的下机数据文件，对于赛默飞世尔仪器的下数据，该模块使用python语言的zipfile模块，将赛默飞世尔ABi7500型号的仪器的下数据文件(.eds)进行解压，解压得到apldbio文件夹，apldbio文件夹里面是sds文件夹，sds文件夹里面有analysis_result.txt文件，再用python语言的open函数打开analysis_result.txt文件，再用python语言的read方法提取analysis_result.txt文件内容，提取出反应孔号、样本名称、通道名、通道对应的Ct值、荧光信号Delta Rn values等信息。对于天隆仪器的下机数据，该模块使用python语言的zipfile模块，将天隆Gentier 96E型号的仪器的下机数据文件(.tlpd)进行解压，解压得到experiment_data文件，再用python语言的open函数打开experiment_data文件，再用python语言的read方法提取experiment_data文件内容，提取出反应孔号、样本名称、通道名、通道对应的Ct值、荧光信号Delta Rn values等信息。

数据判读模块配置如下：该模块根据选择的qPCR仪器类型使用数据转化模块来解析该qPCR仪器的下机数据文件，并根据选择的试剂盒类型使用试剂盒说明书上的判读规则来判读下机结果，从而能够对接多款qPCR仪器和检测试剂盒，比如可以配合罗氏、赛默飞世尔、天隆等厂家的qPCR仪器完成药物基因组、新冠核酸检测。

数据判读模块使用python语言整合反应孔编号、样本名称、通道名、通道对应的Ct值、荧光信号Delta Rn values等信息，如试剂盒《人类MTHFR基因检测试剂盒》，某一个样本当FAM通道Ct值≤36，VIC通道Ct值>36，ROX通道Ct值<38，则为野生型；当FAM通道Ct值≤36，VIC通道Ct值≤36，ROX通道Ct值<38，则为杂合型；当FAM通道Ct值>36，VIC通道Ct值≤36，ROX通道Ct值<38，则为纯合型。

数据质控模块配置如下：该模块基于数据质控组件，建立判别数学模型；该模块还包括AI智能学习组件，能够通过人工智能的方式判断检测结果的曲线形状，如是否为标准S型曲线。

该模块对数据判读模块提取出的数据进行质控，使用python语言判断ROX通道Ct值<38并且荧光信号Delta Rn values呈S型曲线为正常结果，ROX通道Ct值≥38并且荧光信号Delta Rn values呈非S型曲线为异常结果并告知系统异常归类，实现异常结果功能的迭代。

对于系统提示的异常结果，该模块基于数据质控模块建立的判别模型，通过人工打标签的形式，告知系统异常归类，实现异常结果功能的迭代。

数据报告模块配置如下：该模块内置多种报告模板，根据用户需要，选择报告模板用于生成报告：或可将报告模板和样本数据判别结果解耦，用户可以根据自己的需要自定义设计报告模板，具体设计word报告模板，以实现报告自动化，即根据样本数据判别结果以及LIS中的临床检测信息，自动填充到报告模板中，并将生成的word报告转为PDF格式，并回推给LIS系统，整个过程都以订单号来完成通信握手，保证检测结果不会张冠李戴

数据报告模块配置如下：该模块内置多种试剂盒的报告模板，根据用户选择的试剂盒生成对应的报告，用户也可以根据自己的需要自定义设计报告模板。该模块使用python语言的requests模块调用医院lis的接口并使用python语言的json模块解析出样本的临床检测信息：订单号、姓名、性别、年龄等，再根据订单号对应上数据判读模块得到的判读结果，最后使用python的docxtpl模块将样本的临床检测信息和判读结果一起自动填入word报告，并将生成的word报告转为PDF格式，并回推给LIS系统，整个过程都以订单号来完成通信握手，保证检测结果不会张冠李戴。

所述自定义设计报告模板，用户将报告模板设计的变量填入已设计的报告模板的对应位置，变量的格式为两个大括号中间夹入一个英文单词，如：{{name}}表示姓名的变量，如图2，将报告模板需要的变量都填入已设计的报告模板对应的位置后上传到系统用于报告自动化，报告自动化即可生成对应报告，如图3。

所述lis系统调用模块配置如下：该模块包含多套API接口，供国内主流的LIS调用，实现了与LIS交互信息，自动生成检测报告并回传LIS。

实施例2基于自动化系统的报告方法

如图1所示，示出了本发明的一种基于荧光定量PCR平台的基因智能识别和报告的方法，所述方法的基础包括如下步骤：

1、用户将试剂盒在检测仪器上的下机数据导入到自动化系统中；

2、系统自动进行数据判读，并且将判读结果记录在数据库；

3、对判读结果进行数据质控，质控异常数据作出提示；

4、所有数据都会生成结果报告；

5、系统将结果报告自动导出到Lis系统中。

图3为利用本发明方法具体生成的数据分析报告。

qPCR仪器：ABi-7500

试剂盒：伯杰新冠试剂盒

Lis系统：Bio-LIMS

进入系统后出现如图4界面，左边是功能类型导航栏，右边是功能实现窗口；机器型号下拉选择ABi-7500；试剂盒类型下拉选择新冠_伯杰；点击输入按钮上传ABi-7500下机的新冠_伯杰的eds数据文件，如图5；功能实现窗口左上角是ABi-7500仪器实验板上每个孔内结果的展示，横轴坐标是1到12，纵轴坐标是A到H，一共是96个孔，孔号对应的编号是A1到H12，孔的背景为黑色表示阴性，孔的背景为灰色表示无数据，孔的背景为白色表示异常数据；功能实现窗口右上角是点击左上角的孔后展示出来的结果扩增S型曲线；点击生成报告可生成pdf报告(一个样本一份)，如图6；点击上传报告按钮可以将pdf报告上传至Bio-LIMS系统。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。附图中仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (10)

1.一种基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，所述系统包括如下模块：

1)数据转化模块；

2)数据判读模块；

3)数据质控模块；

4)数据报告模块；

5)LIS系统调用模块。

2.权利要求1所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，所述系统包括如下模块：

1)数据转化模块：该模块根据选择的qPCR仪器类型解析该qPCR仪器的下机数据文件；

2)数据判读模块：针对1)数据转化模块得到的下机数据文件，根据选择的试剂盒类型，使用该试剂盒说明书上的判读规则来判读下机结果；

3)数据质控模块：该模块基于数据质控组件，建立判别数学模型；基于AI智能学习组件预测检测结果曲线形状；

4)数据报告模块：该模块内置多种报告模板，根据用户需要，选择报告模板用于生成报告；或可将报告模板和样本数据判别结果解耦，用户可根据自己的需要自定义设计报告模板，以实现报告自动化。

5)lis系统调用模块：该模块包含多套API接口，供主流的LIS调用，自动生成检测报告并回传LIS。

3.权利要求2所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，所述1)数据转化模块中，所述解析采用python语言进行解析；所述下机文件类型包括反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号Delta Rn values信息。

4.权利要求3所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，所述1)数据转化模块具体配置如下：该模块使用python语言对PCR仪下机进行数据解压和打开，再用python语言提取文件内容，提取出包括反应孔号、样本名称、通道名、通道对应的Ct值和荧光信号Delta Rn values信息。

5.权利要求2-4任一所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，

所述3)数据质控模块具体配置如下：该模块对数据判读模块提取出的数据进行质控：使用python语言判断ROX通道Ct值，AI智能学习组件根据历史荧光信号Delta Rn values使用随机森林算法预测曲线形状。

6.权利要求5所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，所述数据质控模块对数据判读模块提取出的数据进行质控：ROX通道Ct值<38并且荧光信号Delta Rn values呈S型曲线为正常结果，ROX通道Ct值≥38并且荧光信号DeltaRn values呈非S型曲线为异常结果；

优选的，当质控判读为异常结果时告知系统异常归类，实现异常结果功能的迭代；具体的，对于系统提示的异常结果，该模块基于数据质控模块建立的判别模型，通过人工打标签的形式，告知系统异常归类，实现异常结果功能的迭代。

7.权利要求2-6任一所述的基于荧光定量PCR平台的基因智能识别和报告的自动化系统，其特征在于，

所述4)数据报告模块具体配置如下：该模块内置多种试剂盒的报告模板，根据用户选择的试剂盒生成对应报告；用户也可根据自己需要自定义设计报告模板；

优选的，该模块使用python语言的requests模块调用医院lis的接口并使用python语言的json模块解析出样本的临床检测信息，包括但不限于订单号、姓名、性别和年龄，再根据订单号对应上数据判读模块得到的判读结果，最后使用python的docxtpl模块将样本的临床检测信息和判读结果一起自动填入word报告，并将生成的word报告转为PDF格式，并回推给LIS系统。

8.一种基于荧光定量PCR平台的基因智能识别和报告装置，其特征在于，包括：至少一个存储器，用于存储程序；至少一个处理器，用于加载所述程序以运行如权利要求1-7任一项所述的自动化系统。

9.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于运行如权利要求1-7任一项所述的自动化系统。

10.权利要求1-7任一所述的自动化系统、权利要求9所述的装置以及权利要求9所述的存储介质在制备药物基因组或新冠核酸检测分子诊断装置中的应用。

Images