藥物基因組學(xué)臨床部署的頂層設(shè)計

弓孟春　王慧君　盧宇藍(lán)　葛小玲　周文浩

?

·專論·

藥物基因組學(xué)臨床部署的頂層設(shè)計

弓孟春1王慧君1盧宇藍(lán)1葛小玲2周文浩3

1　概述

藥物基因組學(xué)(Pharmacogenomics/Pharmacogenetics, PGx)的概念已存在數(shù)十年，其主要目的是明確個體間藥物反應(yīng)差異的重要基因變異。測序技術(shù)、生物信息學(xué)技術(shù)和計算技術(shù)的突破使得PGx研究在近2年來取得了令人矚目的成就[1,2]。新的表型組構(gòu)建技術(shù)為PGx研究提供了豐度和廣度遠(yuǎn)超過傳統(tǒng)研究的表型數(shù)據(jù)，使得在各類疾病中大量與藥物相關(guān)的基因位點(diǎn)變異的意義被逐步闡釋，包括：2型糖尿病[3～5]、高血壓[6]、慢性充血性心力衰竭[7]、單核細(xì)胞增多癥[8]、多發(fā)性硬化[9]、心律失常[10,11]、急性淋巴細(xì)胞白血病治療過程中糖皮質(zhì)激素相關(guān)的骨壞死[12]、別嘌呤醇誘發(fā)的嚴(yán)重皮膚毒副反應(yīng)[13,14]。晚近，在測序技術(shù)、醫(yī)療信息化及精準(zhǔn)醫(yī)學(xué)研究領(lǐng)域取得突飛猛進(jìn)的進(jìn)展為PGx的臨床部署創(chuàng)造了良好的條件[15]。PGx是目前將基因組信息整合入臨床實(shí)踐，提供臨床決策支持的首選領(lǐng)域[16]，其優(yōu)勢在于：①避免大量的與基因信息使用相關(guān)的倫理學(xué)難題；②專注于藥物劑量制定，而不涉及疾病風(fēng)險評估；③目前存在大量可用的指南、研究數(shù)據(jù)和實(shí)施經(jīng)驗(yàn)，且已被反復(fù)論證；④患者從改善臨床預(yù)后、縮短療程、減少治療費(fèi)用、減少藥物不良反應(yīng)等方面獲益顯著；⑤歐美已納入醫(yī)保，具有廣泛的使用案例基礎(chǔ)及應(yīng)用經(jīng)驗(yàn)；⑥成熟的醫(yī)療信息技術(shù)解決方案(CDSS)，可有效促進(jìn)臨床的整合應(yīng)用。

然而，盡管基礎(chǔ)研究取得了長足發(fā)展，但將PGx數(shù)據(jù)應(yīng)用于臨床實(shí)踐的過程卻非常緩慢。發(fā)達(dá)國家在PGx臨床部署的實(shí)踐中遇到的挑戰(zhàn)包括：①缺乏藥物基因組數(shù)據(jù)，診療中對遺傳信息的抵觸；②對于費(fèi)用和保險支付的顧慮等[17～19]。只有當(dāng)PGx在電子病歷系統(tǒng)中保存，并在醫(yī)囑開立的當(dāng)時觸發(fā)相應(yīng)規(guī)則及向臨床醫(yī)生呈遞后續(xù)決策信息時，才能實(shí)現(xiàn)其最大應(yīng)用價值。

本文從國外PGx臨床部署的實(shí)踐經(jīng)驗(yàn)入手，著眼于在中國的大型教學(xué)醫(yī)院進(jìn)行PGx臨床部署頂層設(shè)計的思考。

2　國外PGx臨床部署的現(xiàn)狀

PGx的臨床部署為患者帶來重大獲益，避免大量的藥物不良反應(yīng)的發(fā)生[20,21]，在目前已經(jīng)進(jìn)行的成本效益分析中體現(xiàn)出顯著優(yōu)勢[22]。美國98.5%的白人和99.1%的黑人攜帶至少1個高危的PGx基因型[23, 24]。美國梅奧醫(yī)療中心在2011至2013年進(jìn)行的研究[25]發(fā)現(xiàn)，超過70%的心內(nèi)科常用藥物劑量會受到個體間遺傳變異的顯著影響。美國FDA批準(zhǔn)的約1 000種藥物中，100種可以成為PGx檢測的靶點(diǎn)(除外根據(jù)體細(xì)胞突變而制定的靶向藥物)。美國2015年30種最常見的PGx高危藥物處方量約為7億4千萬次[26]。美國St. Jude兒童醫(yī)院1年期間48%(2 023/4 245)的就診患兒接受了至少1種PGx高危藥物治療，美國Vanderbilt大學(xué)醫(yī)學(xué)院的成人患者該比例為54%[27]。

PharGKB是全球最重要的藥物基因組學(xué)知識庫，在其內(nèi)容基礎(chǔ)上制定的臨床藥物基因組實(shí)施協(xié)作組(CPIC)指南是PGx臨床部署遵循的主要規(guī)范[28]。目前國際上致力于將CPIC指南與臨床電子病歷進(jìn)行整合的協(xié)作研究，包括轉(zhuǎn)化藥物基因組計劃(TPP)[29]及eMERGE-PGx[30]。在此領(lǐng)域具有全球領(lǐng)先經(jīng)驗(yàn)的機(jī)構(gòu)包括：美國St. Jude兒童醫(yī)院、Vanderbilt大學(xué)醫(yī)學(xué)院、梅奧醫(yī)療中心、佛羅里達(dá)大學(xué)Shands醫(yī)院和加拿大西奈山醫(yī)學(xué)中心等。

美國St. Jude兒童醫(yī)院早期采用單基因檢測，主要針對TPMT和CYP2D6基因，用于指導(dǎo)硫唑嘌呤和可待因的劑量制定。2011年5月開始將基于芯片的PGx數(shù)據(jù)(230個基因的1 936種位點(diǎn)變異)納入臨床信息系統(tǒng)，使得這些數(shù)據(jù)能夠?yàn)榕R床醫(yī)生提供實(shí)時決策支持。St. Jude兒童醫(yī)院的目標(biāo)是部署所有的CPIC指南基因-藥物對。盡管這個項(xiàng)目目前是以科研項(xiàng)目的形式在實(shí)施，未來的目標(biāo)是建立貫穿醫(yī)療服務(wù)全過程的標(biāo)準(zhǔn)化服務(wù)。

美國梅奧醫(yī)療中心在eMERGE的輔助下，提出了RIGHT規(guī)范(Right Drug, Right Dose, Right Time-Using Genomic Data to Individualize Treatment)[31]，使用NGS、PGRNseq和CYP2D6芯片來獲取85個藥物代謝相關(guān)基因的基因型結(jié)果，并將結(jié)果整合至電子病歷；實(shí)施并不斷開發(fā)針對PGx高危藥物基因組學(xué)結(jié)果的實(shí)時CDSS[32]。納入臨床信息系統(tǒng)的基因-藥物對包括：HLA-B*1502-卡馬西平、HLA-B*5701-阿巴卡韋、TPMT-硫唑嘌呤、IFNL3-干擾素、CYP2D6-可待因/他莫昔芬/曲馬多、CYP2C19-氯吡格雷及SLCO1B1-辛伐他汀。

美國Vanderbilt大學(xué)醫(yī)學(xué)院從2010年9月開始實(shí)施PREDICT項(xiàng)目，目前已有超過萬例患者接受了預(yù)先執(zhí)行的基于Panel的PGx檢測[23]，包括SLCO1B1-辛伐他汀、CYP2C9/VKORC1-華法林、CYP3A5-他克莫司和TPMT-硫唑嘌呤。對于首先入組的9 589例患者的數(shù)據(jù)分析證實(shí)，在91%的受試者中發(fā)現(xiàn)了至少1個可以干預(yù)的變異(黑人中該比例高達(dá)96%)。

對國際上部署PGx領(lǐng)先機(jī)構(gòu)的實(shí)施過程進(jìn)行分析，可以得出其成功的關(guān)鍵共性要素：①預(yù)先執(zhí)行的基因檢測策略；將基因型檢測及其結(jié)果遷移至電子病歷作為一項(xiàng)系統(tǒng)工程來實(shí)施；②機(jī)構(gòu)內(nèi)部提供強(qiáng)有力的基礎(chǔ)設(shè)施支持來輔助PGx的臨床部署；③每家機(jī)構(gòu)都設(shè)置了監(jiān)管委員會，作為臨床藥理學(xué)及治療學(xué)委員會的下屬機(jī)構(gòu)，以明確哪些基因檢測結(jié)果可以進(jìn)入電子病歷，哪些藥物要作為CDSS的靶點(diǎn)；④每家機(jī)構(gòu)都有對所使用的基因-藥物對進(jìn)行證據(jù)分析的過程，有些是在指南的輔助下進(jìn)行的；⑤大部分選擇了多基因panel，而非單個基因的檢測；⑥各家機(jī)構(gòu)均形成了完善的即時性CDSS，而又根據(jù)具體臨床實(shí)踐進(jìn)行了調(diào)整；⑦不斷地加入新的臨床意義顯著的基因-藥物對；⑧預(yù)先獲取受試者/患者知情同意；⑨各家機(jī)構(gòu)均建立了完善的醫(yī)生繼續(xù)教育方案。這些經(jīng)驗(yàn)對于中國的PGx臨床部署具有重要的指導(dǎo)作用[33]。

3　PGx臨床部署的方法論體系

3.1預(yù)先執(zhí)行策略許多醫(yī)療機(jī)構(gòu)采用“一個一個來”的策略對可能使用PGx高危藥物的患者進(jìn)行特定基因檢測，其檢測結(jié)果后續(xù)可被用于與其他因素聯(lián)合制定藥物的劑量，如華法林的劑量制定策略中，同時使用遺傳及非遺傳因素來制定個體化的華法林用藥劑量。然而，這種被動執(zhí)行的策略有諸多弊端，如費(fèi)用高昂、報告回復(fù)時間較長以至于可能延誤醫(yī)囑開立、需要醫(yī)生對于所使用藥物與基因之間相互作用有足夠的知識儲備等。盡管此類單個基因的檢測已存在已久，但臨床應(yīng)用一直推進(jìn)緩慢。經(jīng)常有高危的藥物在沒有進(jìn)行PGx評估之前被處方給那些可能出現(xiàn)治療失敗或嚴(yán)重不良反應(yīng)風(fēng)險極高的患者。

目前PGx預(yù)先執(zhí)行策略受到廣泛的推崇，并逐漸成為臨床實(shí)踐規(guī)范[17,34,35]。PGx預(yù)先執(zhí)行策略是指在尚沒有任何PGx高危用藥指征出現(xiàn)時，即進(jìn)行多個與藥物代謝相關(guān)的重要基因的檢測，并將檢測結(jié)果呈現(xiàn)在電子病歷中，與其他臨床信息一起構(gòu)成處方藥物時的決策參考因素。預(yù)先執(zhí)行的多基因檢測可以涵蓋幾乎所有的PGx重要基因，從而覆蓋幾乎所有的高危藥物。檢測的數(shù)據(jù)進(jìn)入臨床信息系統(tǒng)，在開具處方時，PGx檢測信息結(jié)合體重、身高、體表面積、性別等因素，為處方的決策提供指導(dǎo)，圖1顯示了PGx被動策略與預(yù)先執(zhí)行策略實(shí)施中的主要差異[17,36]。

圖1藥物基因組學(xué)(PGx)的被動策略與預(yù)先執(zhí)行策略

在近期進(jìn)行的一項(xiàng)針對大型教學(xué)醫(yī)院的52 942例患者的回顧性研究中[24]發(fā)現(xiàn)，由6類藥物引起的不良反應(yīng)與藥物代謝基因相關(guān)。如果使用預(yù)先執(zhí)行的藥物基因組篩查策略，可以避免至少398例嚴(yán)重不良反應(yīng)，這為預(yù)先執(zhí)行的多基因PGx在臨床的廣泛應(yīng)用提供了強(qiáng)有力的證據(jù)[24]。

預(yù)先執(zhí)行策略的可行性已被多個醫(yī)療中心證實(shí)。電子病歷系統(tǒng)有能力將PGx變異信息整合入臨床診療過程；相比于單個篩查的策略，預(yù)先執(zhí)行策略可以顯著減少檢測次數(shù)[23]。

采用預(yù)先執(zhí)行策略對醫(yī)療信息技術(shù)提出了重大挑戰(zhàn)。預(yù)先得出的PGx數(shù)據(jù)需要保存在電子病歷中，并在臨床醫(yī)生進(jìn)行決策時提供實(shí)時支持。如果沒有CDSS，基因檢測的結(jié)果可能會被遺忘，而對患者造成重大風(fēng)險，也為醫(yī)療機(jī)構(gòu)的臨床安全埋下巨大隱患，如在“已知”PGx高危藥物基因信息的情況下處方了高危藥物，對患者造成嚴(yán)重?fù)p害。因此，在構(gòu)建完善的CDSS之前，應(yīng)避免采用預(yù)先執(zhí)行及多基因PGx同時進(jìn)行的策略。

預(yù)先執(zhí)行策略還在進(jìn)一步完善中，以期精準(zhǔn)定位高危人群，控制成本。梅奧醫(yī)療中心根據(jù)慢性疾病情況及人口學(xué)信息進(jìn)行風(fēng)險預(yù)測，從而精確地定位需要進(jìn)行PGx檢測的人群[37]，使用去識別化的電子病歷數(shù)據(jù)，構(gòu)建了預(yù)測使用他汀類藥物、氯吡格雷及華法林的模型，模型納入CDSS，用于向超過危險閾值的患者推薦預(yù)先執(zhí)行的PGx檢測。這是向精準(zhǔn)定位目標(biāo)人群的方向做出的有益嘗試，也是對預(yù)先執(zhí)行策略的重要補(bǔ)充。

3.2組學(xué)數(shù)據(jù)向臨床知識的轉(zhuǎn)化在臨床常規(guī)工作中大規(guī)模實(shí)施PGx的前提是將組學(xué)數(shù)據(jù)翻譯為已達(dá)成共識的臨床操作規(guī)范，并構(gòu)建經(jīng)過審校的、機(jī)器可讀的PGx知識體系，形成電子病歷中CDSS的構(gòu)建規(guī)則。CPIC發(fā)布的指南及PGx信息化部署是目前最為重要的知識參考體系[38]。CPIC指南主要針對已達(dá)成廣泛共識的基因-藥物對，促進(jìn)其臨床部署。每個CPIC指南都遵循標(biāo)準(zhǔn)化的格式，并包含一個證據(jù)分級體系，用以明晰基因型-表型關(guān)聯(lián)的可靠性及將該關(guān)聯(lián)應(yīng)用于醫(yī)囑開立時的證據(jù)強(qiáng)度。

PGx的臨床部署需要醫(yī)療機(jī)構(gòu)強(qiáng)有力的組織結(jié)構(gòu)的支持。目前的成功經(jīng)驗(yàn)之一是，組建PGx臨床部署委員會對于適合本機(jī)構(gòu)臨床服務(wù)特點(diǎn)的基因-藥物對進(jìn)行分析，以決定是否將其遷移至電子病歷系統(tǒng)。在審議的過程中，重要的參考依據(jù)是CPIC的指南。在將基因-藥物對遷移至電子病歷前，需要確認(rèn)證據(jù)足夠強(qiáng)，且具有實(shí)施相關(guān)臨床決策支持的能力，特別是要評價電子病歷的底層架構(gòu)能否支持。對每1個基因型都要構(gòu)建相應(yīng)的翻譯表，以將其解釋為藥物相關(guān)的表型信息，并預(yù)先確定這些表型的優(yōu)先級、臨床意義的解讀報告和干預(yù)意見等。對于PGx高危且明確可以干預(yù)的表型，應(yīng)自動在電子病歷中產(chǎn)生記錄。

對于某一特定基因變異的臨床可干預(yù)性評估體系，目前是基于整合的獨(dú)立于注釋的消減算法(CADD)計算的C評分[39]來構(gòu)建的，克服了既往的注釋和解讀基因變異過程中存在的信息類型單一、廣度不足等缺點(diǎn)。C評分與等位基因多樣性、基因功能注釋、致病性、疾病嚴(yán)重程度、實(shí)驗(yàn)驗(yàn)證的調(diào)控效應(yīng)及復(fù)雜的性狀關(guān)聯(lián)等相關(guān)，C評分越高則表明變異的臨床可干預(yù)性越強(qiáng)，是目前最先進(jìn)的整合多維度評估基因變異臨床意義的體系，可在PGx的臨床部署過程中提供臨床可干預(yù)性評價。

3.3臨床決策支持系統(tǒng)PGx的 CDSS實(shí)施可能遇到諸多挑戰(zhàn)，包括數(shù)據(jù)儲存和管理能力、系統(tǒng)集成水平及醫(yī)生接受程度等。動態(tài)的干預(yù)性的CDSS通常有2種形式：驗(yàn)前警告和驗(yàn)后警告。當(dāng)醫(yī)生要處方特定的與某個基因-藥物對相關(guān)的藥物但并未進(jìn)行基因檢測時，系統(tǒng)觸發(fā)警告，提示醫(yī)生應(yīng)該先完成基因檢測(驗(yàn)前警告)。在大規(guī)模實(shí)施預(yù)先執(zhí)行的PGx檢測之前，需要使用這種驗(yàn)前警告系統(tǒng)來提示醫(yī)生執(zhí)行特定的藥物基因檢測。大規(guī)模實(shí)施預(yù)先執(zhí)行的PGx檢測后，提示醫(yī)生該患者存在與當(dāng)前處方的藥物相關(guān)的基因信息(驗(yàn)后警告)。該警告會描述藥物對患者的風(fēng)險、提供替代用藥或劑量調(diào)整的方案、要求修改或取消醫(yī)囑等[40]。

eMERGE-PGx協(xié)作組要求其9個參與中心實(shí)施PGx相關(guān)的CDSS，在每個機(jī)構(gòu)都成功部署了至少1條基于PGx 的CDSS規(guī)則。大部分采用了組學(xué)附屬系統(tǒng)(OAS)來管理基因和基因組數(shù)據(jù)。所有的機(jī)構(gòu)都將其電子病歷內(nèi)的CDSS工具根據(jù)PGx知識進(jìn)行了改進(jìn)。對于實(shí)施過程中出現(xiàn)的某些延誤案例進(jìn)行的分析顯示：造成部署延誤的最常見原因不是PGx相關(guān)的問題，更為常見的是IT實(shí)施的問題，主要包括： 團(tuán)隊(duì)協(xié)作、溝通及人員配置，一般會導(dǎo)致系統(tǒng)上線時間總體推后約2個月，PGx的CDSS項(xiàng)目并不比其他IT項(xiàng)目的實(shí)施難度大且大多是可以克服的。這對于希望部署PGx的CDSS工具并在未來推進(jìn)基因組醫(yī)學(xué)的機(jī)構(gòu)來說是利好消息[41]。目前已經(jīng)有醫(yī)療機(jī)構(gòu)嘗試部署支持移動設(shè)備的基于PGx的CDSS[42]，可以為臨床醫(yī)生和患者提供更大的便利。 將基因組信息整合入臨床診療過程及電子病歷中可以極大的促進(jìn)個體化醫(yī)學(xué)的發(fā)展，實(shí)現(xiàn)的主要方式是基因信息驅(qū)動的臨床決策支持，包括電子病歷廠商、測序公司、患者權(quán)益組織等多個利益方參與是系統(tǒng)成功實(shí)施的關(guān)鍵[43]。

4　實(shí)現(xiàn)PGx臨床應(yīng)用的基礎(chǔ)設(shè)施

4.1電子病歷與基因組數(shù)據(jù)深度整合的跨機(jī)構(gòu)信息共享平臺PGx近期的迅速發(fā)展主要?dú)w功于，①計算技術(shù)輔助的表型化，②基于多個異質(zhì)性數(shù)據(jù)源的生物標(biāo)記物發(fā)掘，③評估臨床可干預(yù)性的框架體系，④具有高度戰(zhàn)略互操作性的電子病歷協(xié)作網(wǎng)絡(luò)。eMERGE是一個多中心的醫(yī)療系統(tǒng)協(xié)作網(wǎng)絡(luò)，其特點(diǎn)是涵蓋了多個與電子病歷數(shù)據(jù)整合的生物樣本庫[44]。eMERGE的主要研究目標(biāo)是使用電子病歷數(shù)據(jù)來發(fā)現(xiàn)新的遺傳因素與疾病的相關(guān)性，同時探索將基因型數(shù)據(jù)和測序數(shù)據(jù)整合入臨床實(shí)踐的方法。eMERGE為協(xié)作中心提供以下的支持：①從不同電子病歷中定義和提呈臨床表型數(shù)據(jù)的專業(yè)支持；②將復(fù)雜的基因組數(shù)據(jù)跨中心的整合入統(tǒng)一的數(shù)據(jù)庫；③將海量的基因組信息整合入電子病歷并將這些數(shù)據(jù)與相關(guān)聯(lián)的CDSS進(jìn)行匹配；④臨床診療中應(yīng)用遺傳學(xué)信息的內(nèi)容對患者和醫(yī)生進(jìn)行教育。

通過部署一個針對84個藥物基因的二代測序平臺(RGRNseq系統(tǒng))，eMERGE-PGx計劃[30]在1～3年評估9 000例患者的PGx信息，將研究充分且證據(jù)充足的PGx表型數(shù)據(jù)納入電子病歷，用于構(gòu)建臨床決策支持體系，并評估實(shí)施的過程及臨床效果。此外，將意義未明的PGx變異的數(shù)據(jù)存儲于統(tǒng)一的數(shù)據(jù)中心，將基于電子病歷收集的臨床表型數(shù)據(jù)納入，借助機(jī)器學(xué)習(xí)的技術(shù)，持續(xù)的發(fā)現(xiàn)新的PGx結(jié)果。eMERGE-PGx將構(gòu)建一個公開的84個藥物基因的測序數(shù)據(jù)庫，稱為SPHINX (http://emergesphinx.org)，用以保存去識別化的基因組變異以及從電子病歷中采集人口學(xué)信息、ICD代碼和手術(shù)操作代碼等。截止2015年2月eMERGE-PGx共分析了5 000例患者，95.1%的變異其CADD評分>20，96.2%的樣本具有1條或多條CPIC指南的A級可干預(yù)指征。這些數(shù)據(jù)提示與藥物代謝相關(guān)基因的分布廣度，指出了在更廣的范圍內(nèi)實(shí)施基于測序數(shù)據(jù)的用藥的挑戰(zhàn)，證實(shí)了實(shí)施精準(zhǔn)醫(yī)學(xué)的重要性[45]。

Li等[46]近期基于eMERGE的1項(xiàng)研究顯示，使用臨床表型特征的拓補(bǔ)學(xué)分析(患者-患者相似度)對臨床表現(xiàn)極為復(fù)雜、異質(zhì)性極強(qiáng)的2型糖尿病劃分臨床亞型，為常見疾病基于電子病歷等真實(shí)世界數(shù)據(jù)的臨床亞型劃分構(gòu)建了獨(dú)樹一幟的方法論。而基于與eMERGE系統(tǒng)相關(guān)聯(lián)的大量基因組變異信息，研究者有能力從不同的表型出發(fā)，探索相關(guān)的SNP位點(diǎn)及相關(guān)的基因，并從信號轉(zhuǎn)導(dǎo)通路等基礎(chǔ)生物學(xué)研究角度來解釋不同亞型之間的具有顯著差別的臨床表型，從而為這一常見疾病的亞型分組后的個體化治療[47]及針對某一亞型的新藥研發(fā)[48]提供了新的途徑。

4.2測序技術(shù)的逐步完善及質(zhì)量控制基于Panel的測序技術(shù)是既往PGx數(shù)據(jù)的主要來源。全外顯子組測序(WES)目前被廣泛應(yīng)用于人類遺傳性疾病的分析，但其作為PGx分型的應(yīng)用目前尚在探索階段。對于下一代測序技術(shù)在PGx中的應(yīng)用，有研究對于WES與基于Panel的MiSeq技術(shù)之間進(jìn)行了比較，證實(shí)了WES與MiSeq之間的一致性極高，證實(shí)WES是進(jìn)行PGx分型的理想技術(shù)[49]。 中國人群中使用WES數(shù)據(jù)分析PGx與阿司匹林療效之間的關(guān)系研究也令人矚目[50]，該研究結(jié)果證實(shí)與阿司匹林的療效及不良反應(yīng)等相關(guān)的藥物等位基因在中國人群中的分布具有明顯的地域特點(diǎn)?；赟NP的歸因分析也可能成為可行的PGx評估方法[51]。

4.3機(jī)器可讀的基因型結(jié)果及臨床意義釋讀基于PGx構(gòu)建CDSS是一項(xiàng)系統(tǒng)性工程，對于一份詳盡的PGx報告，其中的信息需要被處理成機(jī)器可讀的信息，并在電子病歷中呈現(xiàn)[52]。信息部門基于這些信息構(gòu)建CDSS規(guī)則，可以借用常見的“合理用藥”CDSS模版(如青霉素與青霉素皮試結(jié)果之間的決策支持規(guī)則)。規(guī)則的內(nèi)容由基因組變異解讀委員會與來自多個學(xué)科的臨床醫(yī)生共同創(chuàng)建，并反復(fù)迭代。構(gòu)建好的原型經(jīng)過臨床醫(yī)生的審核，得到的反饋在后續(xù)的報警體系中予以體現(xiàn)。

需要建立持續(xù)的評估反饋機(jī)制，評價PGx的CDSS警報在真實(shí)的醫(yī)療環(huán)境中的工作情況。使用自動化的數(shù)據(jù)采集及記錄，可以分析警報觸發(fā)時間、科室以及臨床工作者的響應(yīng)情況。每個觸發(fā)并處理了警報的醫(yī)生都被要求填寫一份完整的問卷調(diào)查，以收集警報設(shè)計和內(nèi)容方面的意見。

CPIC內(nèi)已經(jīng)評價、驗(yàn)證及審核的基因-藥物對借助CDSS在電子病歷中進(jìn)行實(shí)施[53]。將PGx在臨床實(shí)踐中成功部署，需要對PGx知識庫進(jìn)行審校，并翻譯為機(jī)器可讀的數(shù)據(jù)庫，從而能夠與具備CDSS的電子病歷進(jìn)行對接整合。目前電子病歷廠商并沒有將PGx作為常規(guī)的臨床決策支持功能，因此CPIC的信息化工作組設(shè)計了一整套策略，以實(shí)現(xiàn)電子病歷中PGx知識的應(yīng)用。

需要對基因結(jié)果的呈現(xiàn)賦予更多的顆粒度。例如，CYP2C19*2與CYP2C19*17是同一基因的2個不同的變異，對氯吡格雷的藥代動力學(xué)影響具有顯著不同(前者表型為慢代謝，后者表型為快代謝)。但系統(tǒng)中只能表明是“CYP2C19基因異?！?，無法呈現(xiàn)更多信息。需要醫(yī)生點(diǎn)擊進(jìn)入報告查看界面才能看到更多信息。雖然增加顆粒度可以有利于設(shè)計更豐富的警報，但也需要進(jìn)行大量的工作以完成檢驗(yàn)結(jié)果的術(shù)語體系。

4.4知識庫的構(gòu)建目前重要的PGx知識庫包括：PharmGKB，dbGaP和CinVar。PharmGKB將知識內(nèi)容及時生成CPIC指南，并在指南與信息化整合的過程中給予相應(yīng)的指導(dǎo)意見，是目前最為重要的知識庫。ClinVar則針對更大范圍的基因變異納入臨床醫(yī)生、病理科和藥劑科等多個專業(yè)學(xué)科的臨床解讀，對基因變異與疾病的相關(guān)性、致病能力和可干預(yù)性進(jìn)行注解。此外，另一個重要的信息來源是FDA的藥品信息警告：8種藥物目前明確在說明書中寫入PGx檢測的相關(guān)信息，包括三氧化二砷、拉布立酶、丙戊酸、阿巴卡韋、氯吡格雷、來那度胺、卡馬西平、可待因。

目前尚缺乏中國人群數(shù)據(jù)的PGx知識庫。可行的思路是梳理目前文獻(xiàn)中已發(fā)表的以中國人群或東亞人群為主要對象的PGx研究，將其研究結(jié)果轉(zhuǎn)化為臨床干預(yù)方案。

4.5表型組研究在醫(yī)療系統(tǒng)完成跨機(jī)構(gòu)信息互聯(lián)互通及戰(zhàn)略互操作的大背景下，PGx的進(jìn)一步發(fā)展必須借助信息技術(shù)[54]。隨著數(shù)據(jù)的廣泛共享，醫(yī)療信息系統(tǒng)可以創(chuàng)造強(qiáng)大的知識生成環(huán)境，不斷探索基因型-表型之間的關(guān)聯(lián)信息。數(shù)據(jù)平臺的應(yīng)用使得基因變異對于藥物代謝、藥物療效和毒副作用等的影響可以嵌入到臨床工作流程中。這樣的系統(tǒng)即可基于基因型-表型PGx數(shù)據(jù)提供用藥指導(dǎo)，也可以支持研究者發(fā)現(xiàn)更多的藥物代謝相關(guān)的基因。

表型組與基因組的對應(yīng)關(guān)系研究是近期的熱點(diǎn)[55]。遺傳學(xué)研究需要精準(zhǔn)的表型定義，但電子病歷的數(shù)據(jù)往往存儲格式多樣，記錄完整性不一。表型組產(chǎn)生過程中，表型所使用的自然語言處理(NLP)算法是至關(guān)重要的技術(shù)[56,57]。eMERGE創(chuàng)立了13種基于電子病歷的表型算法，在5個醫(yī)療中心(Group Health, Marshfield醫(yī)療中心, 梅奧醫(yī)療中心, Northwestern大學(xué), Vanderbilt大學(xué))的結(jié)構(gòu)各異的電子病歷中，成功開發(fā)、驗(yàn)證和部署了13種表型的NLP算法?；诖耍琫MERGE構(gòu)建了表型化算法的標(biāo)準(zhǔn)及知識庫PheKB58，將成為PGx未來研究體系的重要支撐。

5　實(shí)施PGx臨床部署臨床醫(yī)生的認(rèn)識與態(tài)度

臨床醫(yī)生對于預(yù)先執(zhí)行的PGx檢測的態(tài)度關(guān)乎PGx大規(guī)模臨床部署項(xiàng)目的成敗[59]。PREDICT研究組在一家教學(xué)醫(yī)院中評價了臨床醫(yī)生對于大范圍PGx檢測的實(shí)施態(tài)度。被問及的問題包括影響基因檢測及結(jié)果應(yīng)用的主要因素、預(yù)期的效果以及將結(jié)果應(yīng)用于臨床服務(wù)的責(zé)任劃分等。所有臨床醫(yī)生均認(rèn)同PGx對患者的藥物治療會產(chǎn)生影響。在出現(xiàn)明確基因-藥物關(guān)聯(lián)時，92%的醫(yī)生希望得到即時的主動通知。但對于由誰執(zhí)行這個相關(guān)的劑量調(diào)整通知和是否應(yīng)該通知患者這2個問題上醫(yī)生中存在分歧。這涉及臨床責(zé)任的劃分問題。

臨床醫(yī)生對于PGx知識自動化干預(yù)臨床的態(tài)度也是各不相同[60]。在美國梅奧醫(yī)療中心進(jìn)行的一項(xiàng)研究[61]中，自2013年10月至今，研究組通過電子郵件調(diào)查醫(yī)生對于在其臨床實(shí)踐中部署和使用PGx檢測的看法進(jìn)行了調(diào)查。研究主要針對的是醫(yī)生對于PGx的總體看法和他們是否認(rèn)為PGx-CDSS有用。CDSS分為提醒醫(yī)生注意的警報和提醒醫(yī)生改變處方的警報，評估醫(yī)生是否在警報的提醒下修改了醫(yī)囑。研究結(jié)果顯示：近60位接受調(diào)查的醫(yī)生中， 52%的醫(yī)生并沒有期待或并未明確他們是否會在未來的臨床實(shí)踐中使用PGx的信息。此外，53%的醫(yī)生覺得警告信息“讓人迷惑”、“惹人討厭”或“讓人無所適從”，或者難于找到進(jìn)一步的信息。僅有30%的醫(yī)生在接收到警告后改變了醫(yī)囑，換用了其他藥物。該研究的結(jié)果顯示臨床醫(yī)生對于PGx信息整合入臨床實(shí)踐感到不適。需要進(jìn)一步優(yōu)化PGx的CDSS警告，以確保其可用性及用戶友好度，從而讓醫(yī)生更積極地接受這些新的工具。

對于PGx相關(guān)內(nèi)容的醫(yī)生繼續(xù)教育至關(guān)重要[62,63]。醫(yī)生對于PGx知識的欠缺是制約其臨床應(yīng)用的主要原因之一，這對于被動策略和預(yù)先執(zhí)行策略都是類似的[64]。醫(yī)學(xué)院教育體系的相關(guān)課程設(shè)置對于PGx的廣泛應(yīng)用也是至關(guān)重要的[65]。目前的醫(yī)學(xué)教育體系中，關(guān)于PGx的臨床應(yīng)用的內(nèi)容重視不足，導(dǎo)致對藥物療效產(chǎn)生重大影響的基因變異(如CYP2C19-氯吡格雷)重視不足。特定的?？浦蠵Gx知識的普及對于PGx的臨床部署具有重要的推動作用，特別是各?？茖W(xué)術(shù)組織的推動作用[62]。

6　構(gòu)建中國PGx臨床部署的頂層設(shè)計

全球范圍內(nèi)，在臨床醫(yī)學(xué)中創(chuàng)新性地使用基因組學(xué)正成為重要的發(fā)展方向[66]，PGx是目前條件最成熟的領(lǐng)域。隨著國家對精準(zhǔn)醫(yī)學(xué)的科研及產(chǎn)業(yè)方面支持力度的加大，PGx臨床部署的生態(tài)系統(tǒng)和基礎(chǔ)設(shè)施將逐步得到完善。目前亟需在一個或數(shù)個機(jī)構(gòu)內(nèi)完成PGx臨床部署的試點(diǎn)，以探索在倫理法規(guī)、測序技術(shù)、機(jī)器可讀的PGx信息翻譯、CDSS構(gòu)建、電子病歷改造等過程中的技術(shù)難點(diǎn)及方法論，并將成本效益分析、醫(yī)生及患者教育、基礎(chǔ)技術(shù)研發(fā)等納入研究體系，為多中心的預(yù)先執(zhí)行的多基因PGx的大規(guī)模臨床部署建立可推廣的模型，引導(dǎo)精準(zhǔn)醫(yī)學(xué)臨床實(shí)踐的發(fā)展方向，積累中國人群的PGx數(shù)據(jù)及藥物相關(guān)表型數(shù)據(jù)，建立表型-基因型深度整合的數(shù)據(jù)共享及分析平臺，構(gòu)建基于中國人群數(shù)據(jù)的PGx知識庫體系。

鑒于中國PGx臨床部署尚處于起步階段，借鑒國外的經(jīng)驗(yàn)進(jìn)行頂層設(shè)計十分必要，圖2是在復(fù)習(xí)PGx臨床部署文獻(xiàn)基礎(chǔ)上，結(jié)合中國PGx現(xiàn)狀，構(gòu)建總體框架，謹(jǐn)此作為本文的總結(jié)和對中國PGx臨床部署頂層設(shè)計思考。

圖2藥物基因組學(xué)(PGx)臨床部署的總體框架

[1]Gross ER, Zambelli VO, Small BA, et al. A personalized medicine approach for Asian Americans with the aldehyde dehydrogenase 2*2 variant. Annu Rev Pharmacol Toxicol,2015,55:107-112

[2]Hou L, Heilbronner U, Degenhardt F, et al. Genetic variants associated with response to lithium treatment in bipolar disorder: a genome-wide association study. Lancet, 2016,387(10023):1085-1093

[3]Kho AN, Hayes MG, Rasmussen-Torvik L, et al. Use of diverse electronic medical record systems to identify genetic risk for type 2 diabetes within a genome-wide association study. J Am Med Inform Assoc, 2012,19(2):212-218

[4]Zhou K, Pedersen HK, Dawed AY, et al. Pharmacogenomics in diabetes mellitus: insights into drug action and drug discovery. Nat Rev Endocrinol, 2016, 12(6):337-346

[5]Xu H, Aldrich MC, Chen Q, et al. Validating drug repurposing signals using electronic health records: a case study of metformin associated with reduced cancer mortality. J Am Med Inform Assoc, 2015,22(1):179-191

[6]Cooper-DeHoff RM, Johnson JA. Hypertension pharmacogenomics: in search of personalized treatment approaches. Nat Rev Nephrol, 2016,12(2):110-122

[7]Oeser C. Pharmacogenetics: HCRTR2 gene is associated with response to HF therapy. Nat Rev Cardiol,2016,13(2):64

[8]Crosslin DR, McDavid A, Weston N, et al. Genetic variation associated with circulating monocyte count in the eMERGE Network.Hum Mol Genet, 2013,22(10):2119-2127

[9]Davis MF, Haines JL. The intelligent use and clinical benefits of electronic medical records in multiple sclerosis. Expert Rev Clin Immunol, 2015,11(2):205-211

[10]Ritchie MD, Denny JC, Zuvich RL, et al. Genome- and phenome-wide analyses of cardiac conduction identifies markers of arrhythmia risk. Circulation, 2013,127(13):1377-1385

[11]Van Driest SL, Wells QS, Stallings S, et al. Association of Arrhythmia-Related Genetic Variants With Phenotypes Documented in Electronic Medical Records. JAMA, 2016,315(1):47-57

[12]Karol SE, Yang W, Van Driest SL, et al. Genetics of glucocorticoid-associated osteonecrosis in children with acute lymphoblastic leukemia. Blood, 2015,126(15):1770-1776

[13]Li-Wan-Po A. Pharmacogenetics begins to deliver on its promises. BMJ, 2015, 351:h5042

[14]Ko TM, Tsai CY, Chen SY, et al. Use of HLA-B*58:01 genotyping to prevent allopurinol induced severe cutaneous adverse reactions in Taiwan: national prospective cohort study. BMJ, 2015,351:h4848

[15]Gao K, Calabrese JR. Pharmacogenetics of lithium response: close to clinical practice? Lancet, 2016,387(10023):1034-1036

[16]Manolio TA, Chisholm RL, Ozenberger B, et al. Implementing genomic medicine in the clinic: the future is here. Genet Med, 2013,15(4):258-267

[17]Dunnenberger HM, Crews KR, Hoffman JM, et al. Preemptive clinical pharmacogenetics implementation: current programs in five US medical centers. Annu Rev Pharmacol Toxicol, 2015, 55:89-106

[18]Roden DM. Cardiovascular pharmacogenomics: current status and future directions. J Hum Genet, 2016,61(1):79-85

[19]Roden DM, Denny JC. Integrating electronic health record genotype and phenotype datasets to transform patient care. Clin Pharmacol Ther,2016,99(3):298-305

[20]Saldivar JS, Taylor D, Sugarman EA,et al. Initial assessment of the benefits of implementing pharmacogenetics into the medical management of patients in a long-term care facility. Pharmgenomics Pers Med, 2016,9,1-6

[21]Finkelstein J, Friedman C, Hripcsak G,et al. Potential utility of precision medicine for older adults with polypharmacy: a case series study. Pharmgenomics Pers Med, 2016., 9: 31-45

[22]Plumpton CO, Roberts D, Pirmohamed M, et al. A systematic review of economic evaluations of pharmacogenetic testing for prevention of adverse drug reactions. Pharmacoeconomics, 2016

[23]Pereira NL, Stewart AK. Clinical implementation of cardiovascular pharmacogenomics. Mayo Clin Proc, 2015, 90(6): 701-704

[24]O′Donnell PH, Danahey K, Ratain MJ. The outlier in all of us: why implementing pharmacogenomics could matter for everyone. Clin Pharmacol Ther, 2016, 99(4): 401-404

[25]Kaufman AL, Spitz J, Jacobs M, et al. Evidence for clinical implementation of pharmacogenomics in cardiac drugs. Mayo Clin Proc, 2015, 90(6): 716-729

[26]Van Driest SL, Shi Y, Bowton EA, et al. Clinically actionable genotypes among 10,000 patients with preemptive pharmacogenomic testing. Clin Pharmacol Ther, 2014,95(4): 423-431

[27]Schildcrout JS, Denny JC, Bowton E, et al. Optimizing drug outcomes through pharmacogenetics: a case for preemptive genotyping. Clin Pharmacol Ther, 2012, 92(2): 235-242

[28]Whirl-Carrillo M, McDonagh EM, Hebert JM, et al. Pharmacogenomics knowledge for personalized medicine. Clin Pharmacol Ther, 2012, 92(4): 414-417

[29]Shuldiner AR, Relling MV, Peterson JF, et al.The Pharmacogenomics Research Network Translational Pharmacogenetics Program: overcoming challenges of real-world implementation. Clin Pharmacol Ther, 2013, 94(2): 207-210

[30]Rasmussen-Torvik LJ, Stallings SC, Gordon AS, et al. Design and anticipated outcomes of the eMERGE-PGx project: a multicenter pilot for preemptive pharmacogenomics in electronic health record systems. Clin Pharmacol Ther, 2014,96(4): 482-489

[31]Bielinski SJ, Olson JE, Pathak J, et al. Preemptive genotyping for personalized medicine: design of the right drug, right dose, right time-using genomic data to individualize treatment protocol. Mayo Clin Proc, 2014, 89(1): 25-33

[32]Farrugia G, Weinshilboum RM.Weinshilboum, Challenges in implementing genomic medicine: the Mayo Clinic Center for Individualized Medicine. Clin Pharmacol Ther, 2013, 94(2): 204-206

[33]Arwood MJ, Chumnumwat S, Cavallari LH, et al. Implementing pharmacogenomics at your institution: establishment and overcoming implementation challenges. Clin Transl Sci, 2016

[34]Carpenter JS, Rosenman MB, Knisely MR,et al. Pharmacogenomically actionable medications in a safety net health care system. SAGE Open Med, 2016, 4

[35]aja C, Bowman L, Wells L, et al. Preemptive genotyping of CYP2C8 and CYP2C9 allelic variants involved in NSAIDs metabolism for sickle cell disease pain management. Clin Transl Sci, 2015. 8(4): 272-280

[36]Roden DM, Wilke RA, Kroemer HK, et al. Pharmacogenomics: the genetics of variable drug responses. Circulation, 2011, 123(15): 1661-1670

[37]Schildcrout JS, Shi Y, Danciu I, et al. A prognostic model based on readily available clinical data enriched a pre-emptive pharmacogenetic testing program. J Clin Epidemiol, 2016, 72: 107-115

[38]Caudle KE, Klein TE, Hoffman JM, et al. Incorporation of pharmacogenomics into routine clinical practice: the Clinical Pharmacogenetics Implementation Consortium (CPIC) guideline development process. Curr Drug Metab, 2014,15(2): 209-217

[39]Kircher M, Witten DM, Jain P, et al. A general framework for estimating the relative pathogenicity of human genetic variants. Nat Genet, 2014, 46(3): 310-315

[40]Bell GC, Crews KR, Wilkinson MR, et al. Development and use of active clinical decision support for preemptive pharmacogenomics. J Am Med Inform Assoc, 2014, 21(e1): e93-99

[41]Herr TM, Bielinski SJ, Bottinger E, et al. Practical considerations in genomic decision support: The eMERGE experience. J Pathol Inform, 2015,6: 50

[42]Blagec K, Romagnoli KM, Boyce RD, et al. Examining perceptions of the usefulness and usability of a mobile-based system for pharmacogenomics clinical decision support: a mixed methods study. Peer J, 2016, 4: e1671

[43]Hartzler A, McCarty CA, Rasmussen LV, et al. Stakeholder engagement: a key component of integrating genomic information into electronic health records. Genet Med, 2013, 15(10): 792-801

[44]Gottesman O, Kuivaniemi H, Tromp G, et al. The Electronic Medical Records and Genomics (eMERGE) Network: past, present, and future. Genet Med, 2013,15(10): 761-771

[45]Bush WS, Crosslin DR, Obeng AO, et al. Genetic variation among 82 Pharmacogenes: the PGRN-Seq data from the eMERGE Network. Clin Pharmacol Ther, 2016

[46]Li L, Cheng WY, Glicksberg BS, et al. Identification of type 2 diabetes subgroups through topological analysis of patient similarity. Sci Transl Med, 2015,7(311): 311ra174

[47]Scheen AJ. Towards a genotype-based approach for a patient-centered pharmacologic therapy of type 2 diabetes. Ann Transl Med, 2015, 3(S1): 36

[48]Fu S, Yalcin A, Lee GY, et al. Phenotypic assays identify azoramide as a small-molecule modulator of the unfolded protein response with antidiabetic activity. Sci Transl Med, 2015, 7(292): 292ra98

[49]Chua EW, Cree SL, Ton KN, et al. Cross-comparison of exome analysis, next-generation sequencing of amplicons, and the iPLEX((R)) ADME PGx Panel for pharmacogenomic profiling. Front Pharmacol, 2016. 7: 1

[50]楊琳,盧宇藍(lán),王慧君,等.基于620份全外顯子組數(shù)據(jù)的阿司匹林藥物基因組學(xué)分析. 中華兒科雜志, 2016, 54(5): 332-336

[51]Almoguera B, Vazquez L, Connolly JJ, et al. Imputation of TPMT defective alleles for the identification of patients with high-risk phenotypes. Front Genet, 2014, 5: 96

[52]Nishimura AA, Shirts BH, Dorschner MO, et al. Development of clinical decision support alerts for pharmacogenomic incidental findings from exome sequencing. Genet Med, 2015,17(11):939-942

[53]Hoffman JM, Dunnenberger HM, Kevin Hicks J, et al. Developing knowledge resources to support precision medicine: principles from the Clinical Pharmacogenetics Implementation Consortium (CPIC). J Am Med Inform Assoc, 2016,pii:ocw027

[54]Potamias G, Lakiotaki K, Katsila T, et al. Deciphering next-generation pharmacogenomics: an information technology perspective. Open Biol, 2014, 4(7),pii:140071

[55]Mosley JD, Witte JS, Larkin EK, et al. Identifying genetically driven clinical phenotypes using linear mixed models. Nat Commun, 2016, 7:11433

[56]Newton KM, Peissig PL, Kho AN, et al. Validation of electronic medical record-based phenotyping algorithms: results and lessons learned from the eMERGE network. J Am Med Inform Assoc, 2013,20(e1): e147-154

[57]Greene D, BioResource N, Richardson S, et al. Phenotype similarity regression for identifying the genetic determinants of rare diseases. Am J Hum Genet, 2016, 98(3): 490-199

[58]Kirby JC, Speltz P, Rasmussen LV, et al. PheKB: a catalog and workflow for creating electronic phenotype algorithms for transportability. J Am Med Inform Assoc, 2016,pii:ocv220

[59]Peterson JF, Field JR, Shi Y, et al. Attitudes of clinicians following large-scale pharmacogenomics implementation. Pharmacogenomics J, 2015

[60]Laerum H, Bremer S, Bergan S, et al. A taste of individualized medicine: physicians′ reactions to automated genetic interpretations. J Am Med Inform Assoc, 2014. 21(e1): e143-146

[61]St Sauver JL, Bielinski SJ, Olson JE, et al. Integrating pharmacogenomics into clinical practice: promise vs reality. Am J Med, 2016,pii:s0002-9343(16)30017-8

[62]Johansen Taber KA, Dickinson BD. Pharmacogenomic knowledge gaps and educational resource needs among physicians in selected specialties. Pharmgenomics Pers Med, 2014. 7: 145-162

[63]Romagnoli KM, Boyce RD, Empey PE, et al. Bringing clinical pharmacogenomics information to pharmacists: A qualitative study of information needs and resource requirements. Int J Med Inform, 2016,86: 54-61

[64]Haga SB, Moaddeb J. ComparisonGlobal implementation of genomic medicine: We are not alon of delivery strategies for pharmacogenetic testing services. Pharmacogenet Genomics, 2014.,24(3): 139-145

[65]Perry CG, Maloney KA, Beitelshees AL, et al. Educational innovations in clinical pharmacogenomics. Clin Pharmacol Ther, 2016, 99(6): 582-584

[66]Manolio TA, Abramowicz M, Al-Mulla F, et al. Global implementation of genomic medicine: We are not alone. Sci Transl Med, 2015,7(290): 290ps13

(本文編輯：張崇凡)

10.3969/j.issn.1673-5501.2016.03.001

復(fù)旦大學(xué)附屬兒科醫(yī)院1 分子診斷中心，2 信息科，3 新生兒科上海,201102

周文浩，E-mail：zwhchfu@126.com

2016-05-10

2016-06-09)