药物治疗相关基因位点解读与用药指导软件系统的设计

Abstract

Based on the pharmacogenomics theory, this study developed a software system for interpretation of drug gene loci and guidance on clinical safe medication with the purpose of providing clinical guidance on the safety and effectiveness of drug use through accurate and efficient detection and interpretation of drug gene loci. The system infrastructure was built on a service-oriented architecture (SOA) design and Docker container virtualization approach to achieve a rapid and automatic interpretation of genetic results and best available drugs. The front end was established on HTML5 and JavaScript to realize visualization of analysis results and user interaction. The system was tested and validated to show robust performance which is reliable in clinical use. It will show high impact on the development of pharmacogenomics and clinical practice of patients with personalized medicine.

引言

药物基因组学是研究基因变异所导致的不同疾病对于药物的不同反应，并在此基础上研制出新药或新的用药方法，旨在为个性化药物选择和药物使用提供指导，避免药物不良反应，为最大限度地提高药物疗效提供科学依据，在研究个体对药物反应表型差异方面有着十分重要的贡献^[1-4]。基因组学研究发现了大量与药物安全性以及疗效相关的遗传位点，并可用于预测常用药物的疗效和毒性风险。通过基因测序、聚合酶链式反应（polymerase chain reaction，PCR）等技术，对不同个体的药物相关基因（受体基因、转运体和药物代谢酶）进行检测，进而利用药物基因组学数据库解读检测位点，为临床医师提供患者相关基因型资料以及给药方案，减少药物的毒副反应和提高药物的疗效，同时减轻患者的痛苦和经济负担。

近年来，美国、法国等西方发达国家越来越重视药物基因组学，均出台了相应的规章制度^[5-6]，对其在药物研发中的应用进行规定。应用药物基因组学指导治疗，在西方国家率先获得应用，并建立了几个国家药物基因组学系统，例如英国药物遗传学和分层医学系统等。

如今，许多已上市的药物，其临床疗效在不同的个体间有着明显的差异，且由于个体差异引起的药物不良反应频发。据统计，多数药物在大约 33% 的患者中难以得到令其满意的疗效，大约 17% 的患者会产生不同程度的药物不良反应，总体的药物安全有效率不到 50%^[7]。个体间的药物安全性以及药物有效性的差异问题，逐步受到临床的高度关注。在我国，绝大多数上市的药物在研发阶段并没有应用基因组学进行相关研究，许多患者根据推荐的药物剂量使用时，出现了意料之外的药物不良反应或者药物无效的情况^[8-9]。目前的研究表明，由于患者个体的基因型差异，大部分药物的毒性和有效性也有所差异，针对不同基因型的患者，药物剂量应当有所调整。因此，临床上需要利用药物基因组学技术来进行个性化的治疗。

本研究开发了一款药物基因位点解读与临床安全用药指导的软件系统，旨在通过精准高效的药物基因位点检测和解读，为临床提供药物使用安全性和有效性的指导。其可对神经内科药物、肿瘤药物、心血管药物、消化系统疾病药物、风湿免疫科药物等多种药物种类进行毒副作用、药效抵抗和药物剂量三个方面的评估。本研究利用药物基因组数据库，深入挖掘和筛选与药物相关的突变基因，数据库纳入了药物治疗靶点与美国食品药品监督管理局（U. S. Food and Drug Administration，FDA）靶向治疗药物信息，针对 629 种药物的疗效与不良反应进行预测，并且开发了一款网页工具，用于本系统软件快速自动化的基因组解读和结果的可视化，提供快速准确的药物基因位点检测解读服务与基于个体基因组的用药指导报告。

1. 系统软件的总体设计

本软件系统基于药物基因组理论，应用 Docker 容器虚拟化技术，采用面向服务的分布式架构（service-oriented architecture，SOA）设计，构建了药物治疗相关基因位点解读与临床安全用药指导的软件系统。该软件系统的结构如图 1 所示，分为三大模块：① 数据库模块，主要包括药物基因组数据库及患者临床信息数据库；② 前端界面窗口模块，利用网页浏览器实现用户注册、登录管理、任务提交、任务删除和结果查阅等功能操作，并实现了分析结果的可视化；③ 后端服务器模块，主要进行基因诊断分析及计算，其数据分析主要基于 R 语言实现。通过网页服务器，利用 HTML5 和 JavaScript 实现前端和后台的数据交互，开发过程遵循浏览器和服务器（browser/server，B/S）结构应用开发的总体原则。

图 1.

Structure diagram of system software

系统软件结构图

2. 软件系统子模块设计

2.1. 系统数据库模块

2.1.1. 药物基因组数据库

本研究从多个开源数据库收集了药物和基因位点相互作用信息以及靶向治疗药物等信息，构建了系统化的药物基因组解读数据库。数据来源包括 PharmGKB 数据库、FDA Drug Label 数据库以及 Drug Bank 数据库^[10-12]。数据库涵盖药物分子的序列、结构，能够提供基因与遗传多态性位点相关性的注释、药物剂量和药物安全性指南等详细信息，其中，药物的注释涉及药物吸收、药物动力学、药物代谢和药物排泄等关键酶和转运体相关基因。系统收录数据库主要信息统计如表 1 所示。本研究采用 MySQL 软件构建数据库，采用 R-RMySQL 包实现数据的保存、检索和数据模型构建。数据库的实体联系图如图 2 所示。

表 1. The main information statistics of the database included in the system.

系统收录数据库主要信息统计

数据库	关系类型	数目
PharmGKB	用药指南	629
	临床注释	3 707
	药物列表	498
	药物通路	130
FDA Drug Label	OTC 药物标签	50 099
	处方药和生物制品标签	33 441
Drug Bank	药物通路	319
	SNP 位点相关药物	324
	药物靶点	4 563

图 2.

Entity relationship diagram of the database

数据库的实体联系图

2.1.2. 患者临床信息数据库

系统构建了患者临床信息数据库，使信息管理科学化、规范化，方便临床数据的保存、检索和统计。患者临床信息数据项内容有：患者姓名、编号、性别、年龄、身份证号、籍贯、既往史、过敏情况等，便于医生结合临床信息，为患者提供更为准确、全面的药物治疗方案。系统采集患者治疗信息，便于进一步通过临床实例数据，完善药物基因组数据库。

2.2. 基于 Docker 容器技术的研发环境搭建

首先，利用 Docker 容器配置出相对应的运行环境，并创建 Docker 镜像。为了实现容器间的数据共享及通信，在容器创建时，通过创建命令，配置开放容器的端口以及目录共享，实现容器和本地主机的端口映射及数据共享，进而解决了虚拟系统模块之间的集成问题。最后，完善虚拟结构，即运行如下三个 Docker 容器模块：

（1）前端界面窗口模块：采用 Apache-httpd 镜像作为系统网页服务器，提供系统后台服务，并将 8080 端口开放给外界访问软件系统界面；

（2）数据库模块：采用 MySQL 镜像构建系统数据库软件模块，通过 3306 端口提供系统数据存储、管理和数据分析查询服务；

（3）后端服务器模块：利用 r-base 镜像构建系统后端分析模块，提供系统分析语言 R 语言运行时的环境空间。

2.3. 系统界面模块

2.3.1. 用户管理系统

网页系统主界面包括用户注册和登录功能，用户可以通过系统右上角的“注册”和“登陆”按钮完成操作。系统会长期保存注册用户的所有数据和任务。临时用户可以通过首页“运行”按钮进行匿名登录。系统将根据浏览器储存在用户本地终端上的数据（Cookie）管理临时用户的数据和任务。

2.3.2. 任务管理界面

当用户登录后，系统将跳转到任务管理界面，任务提交之前需要上传数据，数据来自于基因测序数据分析获得的突变数据（例如 VCF 文件）或者 PCR 突变位点检测结果。PCR 突变位点检测结果需包含染色体、起止位点、碱基变化等信息。任务提交则需依次进行如下操作：① 点击“选择一个突变文件”；② 选择用药类型，即患者被诊断需要用哪种类型药物；③ 填写任务名称，便于任务的管理；④ 点击操作界面的“运行”按钮向系统提交任务。用户所提交的数据可以在工具栏“我的数据”中进行查看，提交的任务可以在“我的任务”中进行查看。本系统还提供了详细的说明文档，点击右上角的“?”符号，选择教程，系统会跳转到帮助界面。

2.4. 基因诊断分析模块

系统根据构建的药物基因组学数据库，对用户提交的位点进行深入分析，寻找药物治疗相关的突变基因和位点，检索系统药物基因组数据库，针对 629 种药物的疗效与不良反应进行注释。由于本系统需要进行大量的分析计算，并且需要对匹配出来的结果进行分析，而 R 语言包含了目前所有的统计算法，其在数据可视化分析方面具有非常大的优势，适用于各种数据的分析及可视化操作，因此选用 R 语言作为本系统数据分析编程语言，其计算分析过程如图3 所示。

图 3.

Flow chart of calculation analysis

计算分析流程图

2.4.1. 数据来源

用户提交的基因组突变数据，分为两种格式类型：① 基于基因组测序获得的 VCF 文件，位点较多，需另外进行筛选过滤；② 通过 PCR 检测获得的突变位点信息，位点数量较少。

2.4.2. 突变位点过滤与筛选

用户提交 VCF 格式的基因组突变数据，首先要对突变位点进行过滤，除掉可靠性低的位点，过滤的标准包括：位点区域测序深度和质量评分。VCF 文件中：DP 列即为覆盖到这个位点的总的 Reads 数量，相当于这个位点的深度；GQ 值则代表基因型在 Phred 标准下的质量值^[13]，GQ 值越高，该位点此基因型存在的可能性越大。本系统按照序列测序深度不低于 5× 且不高于 100×，质量值不低于 20 进行位点过滤筛选，最终获得可靠的基因组上单核苷酸多态性（single nucleotide polymorphisms，SNP）位点。

2.4.3. 药物反应预测

经过突变位点过滤筛选后的数据，利用 R 编程语言对明确的 SNP 位点进行药物基因数据库数据检索，通过提取出其药物基因区域位点，将检索匹配后的结果存储到对应的患者数据库结果字段下。

2.5. 结果报告模块

本系统利用药物基因组数据库，可以准确给出相应的治疗靶点和治疗药物信息，主要展示患者是否携带药物治疗靶点，并且自动化生成解读报告。患者报告生成流程图如图4 所示。报告内容包括患者的基本信息、临床信息（用户填写）、药物靶点、突变基因等信息。用户可以将报告保存为 PDF 格式的文档，如图5 所示。

图 4.

Flow chart of report generation

报告生成流程图

图 5.

Automated analysis and interpretation report

自动化分析解读报告

3. 系统测试结果

临床有效治疗脑梗死的抗血小板聚集类西药，主要有阿司匹林与氯吡格雷两种，其对于防止血栓形成、动脉硬化形成作用明显。但据统计，5%～60% 的患者会产生阿司匹林抵抗，4%～30% 的患者在治疗期间出现氯吡格雷疗效下降，甚至出现氯吡格雷抵抗，导致重大血管事件发生的危险性相应增高^[14]，主要原因是人体基因的变异体对药物动力学及药效动力学产生了不同程度的影响。

氯吡格雷是一种抗血小板药物，主要依赖 CYP2C19 基因的代谢生成活性代谢产物，CYP2C19 基因的变异体，会对氯吡格雷的药效动力学及药物动力学产生不同程度的干扰。根据 2010 年美国 FDA 所修改的氯吡格雷说明书的要求，医生对患者的用药方案应该参考 CYP2C19 基因型的检测结果，提示 CYP2C19*2 基因 GA 型与 AA 型将提高血栓风险，使药效下降^[15-16]。而阿司匹林用药的主要风险是肠出血和卒中，CYP2D6 是出血的关键基因，ITGB3 是决定出血量大小的基因，PTGS2 是有关阿司匹林引起脑卒中的基因。判断依据是：PTGS2 基因 CC 型不推荐使用阿司匹林；CYP2D6 基因 GA 型和 GG 型有较高的肠出血风险；ITGB3 基因 AA 型及 AT 型将导致出血量增加，出现肠出血风险的时候就要考虑出血量的问题^[17-18]。

为了验证本系统的有效性，我们选取了 60 例临床案例进行系统验证。研究经上海华山医院伦理委员会（编号 KY-2015-256）和上海交通大学附属胸科医院（编号 CTONG1509ML29943）批准，参与研究的所有患者在入组前都签署了书面知情同意书。纳入标准：① 均符合脑卒中的诊断标准，经颅脑核磁共振（magnetic resonance imaging，MRI）证实；② 年龄 > 18 周岁；③ 无消化道出血史、消化性溃疡史及其他脑部疾病；④ 患者意识清楚；⑤ 随访资料完整。排除标准：① 有其他危及生命的严重疾病；② 恶病质；③ 合并恶性肿瘤；④ 存在阿司匹林和氯吡格雷用药禁忌；⑤ 妊娠期及哺乳期妇女；⑥ 合并血液系统疾病、出血疾病及血小板计数异常者。实验组包括 26 名男性，34 名女性，年龄 52～79 岁，分为 2 组，每组 30 人，实验组 1 针对药物阿司匹林，实验组 2 针对药物氯吡格雷。治疗前对患者进行药物基因检测，突变位点信息用本系统软件进行测试与评估，测试时将通过 PCR 检测获得的突变位点信息整理成表格录入系统，对于系统提示建议用药优先选择替代药物或联合用药的患者，由医生选择合适的替代用药方案给予患者治疗，并对所有患者给予调脂、降颅压等辅助治疗，均治疗 15 d，检测结果统计如 表2 所示。

表 2. Test results.

检测结果

检测 药物	位点	基因	基因型	结果说明	用药说明	位点 检出数	总人数	检出率
阿司 匹林	rs5918	ITGB3	TT	伤口出血量正常	存在等位基因突变，建议用药优先选择替代药物或联合用药	5	30	16.67%
	rs28360521	CYP2D6	GA	阿司匹林用药肠道出血风险较高
	rs20417	PTGS2	GG	阿司匹林用药不抵抗，卒中风险低
阿司 匹林	rs5918	ITGB3	TT	伤口出血量正常	不存在等位基因突变，药物可用	4	30	13.33%
	rs28360521	CYP2D6	AA	阿司匹林用药肠道出血风险低
	rs20417	PTGS2	GG	阿司匹林用药不抵抗，卒中风险低
阿司 匹林	rs5918	ITGB3	AT	伤口出血量增加	存在等位基因突变，建议用药选择替代药物	12	30	40.00%
	rs28360521	CYP2D6	GA	阿司匹林用药肠道出血风险较高
	rs20417	PTGS2	GG	阿司匹林用药不抵抗，卒中风险低
阿司 匹林	rs5918	ITGB3	AT	伤口出血量增加	存在等位基因突变，建议用药选择替代药物	7	30	23.33%
	rs28360521	CYP2D6	GG	阿司匹林用药肠道出血风险高
	rs20417	PTGS2	GG	阿司匹林用药不抵抗，卒中风险低
阿司 匹林	rs5918	ITGB3	AT	伤口出血量增加	存在等位基因突变，药物可用	2	30	6.67%
	rs28360521	CYP2D6	AA	阿司匹林用药肠道出血风险低
	rs20417	PTGS2	GG	阿司匹林用药不抵抗，卒中风险低
氯吡格雷	rs4244285	CYP2C19*2	GG	药物代谢速度为快速代谢型，抗血 小板功能正常，不存在血栓风险	不存在等位基因突变，药物可用	19	30	63.33%
氯吡格雷	rs4244285	CYP2C19*2	GA	药物代谢速度为中速代谢型，抗血 小板功能减弱，血栓风险增加	存在等位基因突变，建议用药优先选择替代药物或联合用药	8	30	26.67%
氯吡 格雷	rs4244285	CYP2C19*2	AA	药物速率为超慢速代谢，抗血 小板功能无效，血栓风险增加	存在等位基因突变，建议用药选择替代药物	3	30	10.00%

王玮霄等^[19]采用传统临床治疗脑梗死患者的方案，比较了阿司匹林和氯吡格雷对脑梗死患者的临床疗效及不良反应。按给药方式不同对 180 例脑梗死患者进行治疗，其中 100 例采用氯吡格雷治疗，80 例采用阿司匹林治疗。结果显示阿司匹林与氯吡格雷治疗脑梗死均有效，氯吡格雷不良反应少，但两种治疗方式均发生了出血事件。对本研究中两实验组患者经检测与指导治疗后发生出血事件的药物抵抗率随访信息进行统计，采用 χ² 检验与王玮霄等^[19]采用传统临床治疗脑梗死方案所发生的药物抵抗率进行对比，如表3 所示。结果显示，实验组与传统治疗方案发生出血事件的药物抵抗率差异有统计学意义（P < 0.05），患者经本系统指导用药后，均未发生出血事件，说明利用本系统软件进行个人基因组解读，检测结果准确，证明了本系统软件的准确性与可行性。

表 3. Statistical results of drug resistance.

药物抵抗率统计结果

治疗药物	组别	例数	出血事件	P 值
阿司匹林	实验组 1	30	0（0）	P = 0.008
	文献[19]	80	16（20%）
氯吡格雷	实验组 2	30	0（0）	P = 0.015
	文献[19]	100	17（17%）

4. 总结与展望

本文所提出的药物基因位点解读与临床安全用药指导的软件系统，其优越性在于全面、精准和便捷，并且构建了系统化的药物基因组解读数据库，纳入了治疗靶点和治疗药物信息，在目前对药物基因组学缺乏充分认识的情况下，该系统可以为基因-药物的研究提供数据支持。此外，自动化的解读和电子报告系统极大地简化了个人基因组解读流程，加速了药物基因组测序在科研和临床中的应用。因此，本文的研究为药物基因组学的临床应用奠定了坚实的基础。

本研究可为医师提供可靠的诊断数据，通过个人基因组测序的解读与用药指导系统的应用，医生可以明确给予基于基因遗传变异的治疗方案，为患者制定适合的、个性化的治疗决策，其对于推动药物基因组学的发展及患者个性化用药具有重要意义。

随着药物基因组学的发展和基因测序技术的不断提高，该系统尚可进行进一步优化，以满足各种复杂病情患者的需求。例如，目前研究的靶向治疗药物数量有限，系统只能为明确携带药物治疗靶点的患者提供用药指导。我国在药物基因组学研究领域的药物临床研究指南、相关法律法规均尚未出台，利用该方法进行研究和技术应用需要更多的新药验证，基因与药物之间的关联性需要更深入的探讨。

利益冲突声明：本文全体作者均声明不存在利益冲突。

Funding Statement

上海市科委科技支撑计划资助项目（19441904500）