[发明专利]肿瘤相关基因变异致病性分类的方法、装置和存储介质

说明书

本申请公开了一种肿瘤相关基因变异致病性分类的方法、装置和存储介质。本申请方法包括，获取肿瘤相关基因，根据HGVS规则对肿瘤相关基因按照固定的转录本进行注释，获得位置信息；基于ACMG指南结合专家组建议解读流程评估证据项，将证据分为致病性证据和良性变异证据；按证据项通用规则与特定基因特殊规则，对分级处理后的证据进行判断，获得变异等级分类；根据判读规则对分级处理后的证据进行判读，输出判读结果。本申请方法，严格遵循指南和专家组建议，梳理并确定证据分级，避免了证据项不一致导致的结果差异，能高效、便捷、规范、准确解读肿瘤相关基因变异；减少了人为重复工作，增加了解读的规范性和统一性，提升了工作效率。

技术领域

本申请涉及肿瘤相关基因变异解读技术领域，特别是涉及一种肿瘤相关基因变异致病性分类的方法、装置和存储介质。

背景技术

在过去的十年，随着新一代高通量测序的出现，测序技术有了快速发展。利用新一代测序技术，临床实验室检测遗传性疾病的产品种类不断增加，包括基因分型、单基因、基因包、外显子组、基因组、转录组和表观遗传学等检测。随着技术的复杂性日益增加，基因检测在序列解读方面不断面临新的挑战。美国医学遗传学与基因组学学会(The AmericanCollege of Medical Genetics and Genomics,ACMG)制定了序列变异解读指南，提供了序列变异的解读分类及解读的算法。此外ACMG在2013年成立了一个工作组，该工作组依据专家建议、工作组共识和公众反馈开发了一种可以对现有的证据进行加权的系统，并应用此系统对序列变异进行标准分类，分为“致病”、“可能致病”、“意义未明”、“可能良性”和“良性”。随着该系统的开发，促进了临床上对于变异较为准确和广泛的应用。

目前根据2015年ACMG发布的序列变异解读指南中的部分评估标准，相继开发了针对基因变异归类的数据库或者相关工具，如Varsome、Franklin、AutoPVS1、Intervar、Pubvar等，这些数据库或者工具可以提供序列变异的ACMG预测结果，如人群频率、软件预测等。其中，Varsome、Franklin允许社区内的专家对预测的序列变异做校正和投稿，帮助分子遗传学家和临床医生提高诊断率，并辅助支持遗传病的相关治疗决策。虽然这些数据库或者工具极大地帮助临床工作者减少一些重复和数据整合、预测的工作，如Clinvar、gnomAD等开源数据库的相关信息；但是，由于指南本身并不能将每一项评判标准的细节和参数都明确指定，且不同人种的某些数据存在差异，如疾病信息，不同的解读人员在具体操作中可能存在一定的理解或者认知差异，从而导致解读结论的不一致程度较高。此外，对于临床的每一个检测样本，都需要解读人员人工重复查询各类数据库资源，并逐一比对相关证据项的信息，使得整个数据处理过程非常繁琐和低效，且容易发生错误。而且，目前的数据库或者工具大部分是英文展示，对于从业人员或者临床工作者的专业理解能力要求较高，执行过程中需要反复核对信息的一致性。

由此可见，现有技术方法的实用性范围较为局限，自动化和系统化程度不高，缺乏高效率的测序数据解读方案，无法满足第三方实验室对大规模样本数据快速且结果一致的处理需求。因此，如何研发更高效和系统化的遗传性肿瘤相关基因变异致病性分类方案，仍然是本领域的研究重点。

发明内容

本申请的目的是提供一种改进的肿瘤相关基因变异致病性分类的方法、装置和存储介质。

为了实现上述目的，本申请采用了以下技术方案：

本申请的第一方面公开了一种肿瘤相关基因变异致病性分类的方法，包括以下步骤：

数据获取和注释步骤，包括获取肿瘤相关基因，根据人类基因组突变学会规则对肿瘤相关基因按照固定的转录本进行注释，获得位置信息，其中，位置信息包括氨基酸、核苷酸、基因座的信息；