多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)的建設(shè)與管理

多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)的建設(shè)與管理隨著居民生活水平的不斷提高和飲食習慣的日益西方化，近年來我國結(jié)直腸癌的發(fā)病率明顯升高，已躍居惡性腫瘤第5位[1]，大城市的增幅更快，目前結(jié)直腸癌是上海市發(fā)病和死亡數(shù)量均居第2位的惡性腫瘤[2]。雖然研究人員已在結(jié)直腸癌復發(fā)、轉(zhuǎn)移機制方面進行了大量探索，但仍缺乏單細胞水平和不同時空橫斷面的多尺度、多層次認識，因此有必要全面系統(tǒng)地揭示結(jié)直腸癌轉(zhuǎn)移、耐藥、復發(fā)等演變過程中基因、表觀、轉(zhuǎn)錄、蛋白、代謝等時空變化規(guī)律的全部信息（腫瘤命運全息圖譜），精準闡明腫瘤命運的決定基礎(chǔ)[3-4]。結(jié)直腸腫瘤命運全息圖譜的繪制依賴于標準化收集、處理、貯存，應用健康與疾病生物體的生物大分子、細胞和組織等生物樣本，以及對生物樣本建立標準化操作規(guī)范、信息管理和應用系統(tǒng)的生物樣本庫。而多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)可將第一線的臨床信息與生物樣本時空狀態(tài)信息、分子信息等資料相結(jié)合，為提高生物醫(yī)學研究質(zhì)量、探索更安全有效的醫(yī)療方法提供寶貴的全方位生物醫(yī)學信息[5]。1臨床生物樣本庫發(fā)展現(xiàn)狀與趨勢1.1國外現(xiàn)狀目前，國際上運行良好的生物樣本庫，根據(jù)其運營主體性質(zhì)可分為三類：（1）以政府機構(gòu)牽頭組織和運營為主導的樣本庫，包括英國生物樣本庫、韓國國家研究資源中心、新加坡組織網(wǎng)絡和泛歐洲生物樣本庫與生物樣本資源研究平臺等；（2）以醫(yī)療機構(gòu)或研究機構(gòu)牽頭組織和運營為主導的樣本庫，包括國際生物和環(huán)境樣本庫協(xié)會、法國國家健康和醫(yī)學研究院樣本庫、丹麥國家生物樣本庫等；（3）以第三方企業(yè)或公司牽頭組織和運營為主導的樣本庫，如加拿大Genizon生物科學公司的生物樣本庫對25種疾病的遺傳基礎(chǔ)進行研究，已完成了10種疾病的全基因組掃描。國際生物樣本庫的發(fā)展已從注重生物樣本數(shù)量的1.0時代、注重生物樣本質(zhì)量的2.0時代進步至為個體化精準醫(yī)療提供全面循證證據(jù)的生物樣本庫3.0時代[6-7]。1.2國內(nèi)現(xiàn)狀我國生物樣本庫的建設(shè)始于20世紀90年代，1994年中國科學院建立了中華民族永生細胞庫，此后北京臍帶血造血干細胞庫、天津腫瘤醫(yī)院生物樣本庫、復旦腫瘤醫(yī)院生物樣本庫、上海交通大學生物樣本庫、南京市多中心生物樣本庫、首都醫(yī)科大學牽頭建立的北京生物樣本庫等相繼建立，國內(nèi)生物樣本庫憑借國家重點支持和人口資源等優(yōu)勢積累了豐富的生物樣本[8-9]。2021年3月13日，十三屆全國人大四次會議通過的《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確指出，“基因與生物技術(shù)”作為七大科技前沿攻關(guān)領(lǐng)域之一，“生物技術(shù)”作為九大戰(zhàn)略性新興產(chǎn)業(yè)之一，“基因技術(shù)”作為未來產(chǎn)業(yè)，推動生物技術(shù)和信息技術(shù)融合創(chuàng)新，構(gòu)建國家生物數(shù)據(jù)中心體系[10]?，F(xiàn)階段，在國家政策的支持和指導下，各地區(qū)高校、醫(yī)院和企業(yè)積極推進生物技術(shù)與信息技術(shù)融合創(chuàng)新的生物樣本庫建設(shè)升級工作，促進生物信息整合，推動精準醫(yī)療發(fā)展。1.3發(fā)展趨勢目前，臨床生物樣本庫的發(fā)展遇到2個瓶頸。首先，為繼續(xù)深入探究疾病發(fā)生發(fā)展的內(nèi)在原因，研究者需要更加全面的生物信息（包括基因、表觀、轉(zhuǎn)錄、蛋白、代謝等時空變化規(guī)律的全部信息），需要多個檢測平臺和醫(yī)療機構(gòu)進行協(xié)作與共享；其次，以第三代測序技術(shù)為代表的新型技術(shù)不斷迭代，將產(chǎn)生大量的分子信息數(shù)據(jù)，對生物樣本庫的數(shù)字化存儲、交互和分析挖掘也提出了更高要求。臨床生物樣本庫需從以貯存和管理生物樣本為中心的傳統(tǒng)生物樣本庫轉(zhuǎn)變?yōu)橐耘R床信息、樣本信息和組學信息為中心的數(shù)據(jù)型生物樣本庫[11-12]。2結(jié)直腸癌臨床研究生物樣本庫2.1項目介紹上海交通大學醫(yī)學院在上海市科學技術(shù)委員會的支持下，于2020年啟動“結(jié)直腸癌轉(zhuǎn)移命運機制及過程調(diào)控研究”項目。該項目以探究腫瘤命運全息圖譜（全面系統(tǒng)地揭示結(jié)直腸癌轉(zhuǎn)移、耐藥、復發(fā)等命運演變過程中基因、表觀、轉(zhuǎn)錄、蛋白、代謝等時空變化規(guī)律的全部信息）、精準闡明腫瘤命運決定基礎(chǔ)為目標，聯(lián)合上海交通大學醫(yī)學院等多家附屬醫(yī)院和上海交通大學醫(yī)學院臨床研究中心，開展結(jié)直腸癌多中心前瞻性隊列研究以及多中心臨床研究生物樣本庫信息系統(tǒng)建設(shè)工作。2.2

建設(shè)框架構(gòu)建多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)，涉及臨床數(shù)據(jù)記錄、生物樣本流轉(zhuǎn)記錄、生物樣本檢測數(shù)據(jù)、系統(tǒng)業(yè)務及用戶安全數(shù)據(jù)等關(guān)鍵信息。充分考慮信息系統(tǒng)的關(guān)聯(lián)性、易用性、安全性、拓展性和敏捷性等指標，其架構(gòu)采用微服務架構(gòu)（microservices）、瀏覽器/服務器模式（B/S）。微服務架構(gòu)將系統(tǒng)依據(jù)的業(yè)務場景和數(shù)據(jù)模型拆分為獨立的服務個體，相較于整體式的面向服務架構(gòu)（SOA），微服務架構(gòu)的實施模式為自下向上型，獨立進行不同服務的開發(fā)、構(gòu)建、部署和發(fā)布，服務間采用Restful通訊機制，具有敏捷迭代、靈活部署、松耦合和分布式彈性拓展等優(yōu)勢[13]。在B/S模式下，使用者可通過瀏覽器進行便捷訪問，顯著減輕了客戶端安裝和升級系統(tǒng)的負擔，用戶安全驗證模塊、網(wǎng)絡安全防護模塊和基于HTTPS的加密網(wǎng)絡傳輸技術(shù)顯著保障了系統(tǒng)整體的數(shù)據(jù)安全。

根據(jù)項目臨床科室、生物樣本庫和各組學平臺的網(wǎng)絡拓撲結(jié)構(gòu)業(yè)務情況分析，多中心結(jié)直腸癌臨床研究生物樣本信息系統(tǒng)可拆分為以下3個子系統(tǒng)/平臺：（1）以患者為中心的臨床電子數(shù)據(jù)采集(EDC)系統(tǒng)；（2）以樣本為中心的生物樣本管理系統(tǒng)；（3）以組學數(shù)據(jù)為中心的生物信息數(shù)據(jù)平臺。EDC系統(tǒng)采用表單引擎構(gòu)建電子病歷報告表，研究者可通過瀏覽器遠程訪問EDC系統(tǒng)錄入臨床數(shù)據(jù)；生物樣本管理子系統(tǒng)以互聯(lián)網(wǎng)為通訊方式，通過微信小程序遠程調(diào)用物聯(lián)網(wǎng)標簽打印機打印樣本標簽，并結(jié)合小程序的條碼識別功能，掃碼記錄標簽打印、樣本流轉(zhuǎn)和樣本操作等流程信息，并將關(guān)鍵信息自動同步至EDC子系統(tǒng)，同時對存儲設(shè)備和生物樣本的狀態(tài)進行監(jiān)控；生物信息數(shù)據(jù)平臺依托大容量的存儲設(shè)施和高性能的計算節(jié)點，為生物樣本檢測數(shù)據(jù)提供存儲服務和統(tǒng)計分析服務。多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)平臺整體架構(gòu)詳見圖1。圖1

多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)平臺架構(gòu)2.3管理模式多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)管理模式詳見圖2。圖2

多中心結(jié)直腸癌臨床研究生物樣本庫信息系統(tǒng)管理模式EDC系統(tǒng)為受試者分配編碼，并將整個試驗階段所需收集的臨床信息以電子化的方式記錄至系統(tǒng)中，EDC系統(tǒng)采用B/S架構(gòu)便于各中心進行統(tǒng)一化數(shù)據(jù)錄入和集中化數(shù)據(jù)核查；在基線階段、治療階段和隨訪階段，研究人員根據(jù)臨床研究方案要求和樣本采集的標準操作規(guī)程(SOP)獲取裝有目標生物樣本的采集管，采集管上附有定制編碼（以條形碼/二維碼或其他圖形符號標識），此定制編碼由生物樣本管理系統(tǒng)制訂和識別，樣本在后續(xù)的接收、運輸、采集、處理、貯存和發(fā)送等過程的識別均以采集管上的編碼信息為憑證，相應的時間、空間信息變換將以互聯(lián)網(wǎng)為通訊方式記錄在生物樣本管理系統(tǒng)中，并將樣本編號及關(guān)鍵信息同步至EDC系統(tǒng)。同時，存放生物樣本的設(shè)備溫度、濕度和狀態(tài)信息，亦可通過物聯(lián)網(wǎng)記錄在生物樣本管理系統(tǒng)中，方便研究人員對生物樣本的貯存狀態(tài)進行管控。根據(jù)臨床研究方案要求，將生物樣本送至滿足檢測要求的機構(gòu)進行檢測，并將檢測結(jié)果上傳至生物信息平臺，由平臺統(tǒng)一存儲生物信息數(shù)據(jù)，該平臺與EDC系統(tǒng)互聯(lián)互通，可通過受試者的臨床信息檢索出其對應的生物樣本檢測數(shù)據(jù)，亦可通過生物樣本編碼查找到對應的受試者信息，將臨床信息與生物信息數(shù)據(jù)相結(jié)合進行統(tǒng)計分析，為精準醫(yī)學的發(fā)展奠定數(shù)據(jù)基石。3結(jié)直腸癌臨床研究生物樣本庫的特色3.1規(guī)范的臨床電子數(shù)據(jù)采集系統(tǒng)為規(guī)范臨床試驗電子數(shù)據(jù)采集技術(shù)的應用，促進臨床試驗電子數(shù)據(jù)的真實性、完整性、準確性和可靠性符合《藥物臨床試驗質(zhì)量管理規(guī)范》和數(shù)據(jù)管理工作相關(guān)規(guī)定的原則要求，2016年7月，國家食品藥品監(jiān)督管理總局發(fā)布了《臨床試驗的電子數(shù)據(jù)采集技術(shù)指導原則》[14]。多中心臨床研究EDC系統(tǒng)應達到指導原則中規(guī)定的軟件、硬件、人員、系統(tǒng)環(huán)境及使用的基本要求；并制訂數(shù)據(jù)管理計劃，包括試驗啟動階段、進行階段和結(jié)束階段相關(guān)電子數(shù)據(jù)采集系統(tǒng)的功能使用要求及說明。范德堡大學(VanderbiltUniversity)開發(fā)的電子數(shù)據(jù)采集系統(tǒng)REDCap(ResearchElectronicDataCapture)可供全球?qū)W術(shù)、科研及公益機構(gòu)使用，該項目采用REDCap作為臨床電子數(shù)據(jù)采集系統(tǒng)，符合21CFRPart11(Title21CodeofFederalRegulationsPart11)、FISMA(theFederalInformationSecurityManagementAct)、HIPAA(HealthInsurancePortabilityandAccountabilityAct)和GDPR(GeneralDataProtectionRegulation)規(guī)范要求[15]。3.2便捷的生物樣本管理系統(tǒng)多中心臨床研究使生物樣本管理系統(tǒng)面臨巨大的考驗，由以往單實驗室的單點業(yè)務模式轉(zhuǎn)變?yōu)槎嗉裔t(yī)療機構(gòu)、多個貯存中心、多個檢測平臺相互關(guān)聯(lián)的網(wǎng)絡拓撲結(jié)構(gòu)業(yè)務模式，需更加詳細和精準地記錄生物樣本的時間、空間和狀態(tài)信息。得益于當前智能手機和條形碼/二維碼識別技術(shù)的快速發(fā)展和普及，無需額外購置專用的便攜式掃碼槍即可實現(xiàn)對條形碼/二維碼的識別，使得條形碼/二維碼識別工具的應用門檻大大降低；研究人員可使用智能手機掃描采集管上的條形碼/二維碼，對采集管的編號進行識別[16]。目前，對于采集管上條形碼/二維碼的設(shè)置存在兩種方案，一種是采集管在出廠時即已印制條形碼/二維碼，另一種是研究者在使用時將打印好的條形碼/二維碼標簽粘貼于采集管外部。為兼容不同平臺的貯存設(shè)備和多種型號的樣本采集管，本項目采用在采集管外部粘貼條形碼/二維碼標簽的方案，該方案可在標簽上標注生物樣本的關(guān)鍵信息，方便進行識別和操作，可兼容多種型號的采集管，適配性較好，但需注意選取滿足貯存環(huán)境要求的標簽紙和打印設(shè)備（如-80℃低溫冰箱條件下，應使用能夠耐受-80℃低溫的標簽紙和全樹脂基碳帶的熱轉(zhuǎn)印標簽打印機）。同時，為方便識別標簽，應規(guī)范其粘貼位置。本項目自主研發(fā)的生物樣本管理系統(tǒng)，通過微信小程序遠程調(diào)控物聯(lián)網(wǎng)標簽打印機打印樣本標簽，并結(jié)合微信二維碼的識別功能，掃碼記錄標簽打印、樣本流轉(zhuǎn)、樣本操作等流程信息，將關(guān)鍵信息自動同步至EDC子系統(tǒng)，同時對貯存設(shè)備和生物樣本狀態(tài)進行監(jiān)控。3.3超大容量存儲和高效分析的生物信息平臺本項目以探究腫瘤命運全息圖譜、精準闡明腫瘤命運決定基礎(chǔ)為目標，其中組學數(shù)據(jù)檢測結(jié)果相關(guān)文件占用較大存儲空間。以單細胞測序為例，單個生物樣本測序結(jié)果占用的存儲空間一般為100GB以上，此類文件的存儲、交互及挖掘?qū)ι镄畔⑵脚_提出了較大挑戰(zhàn)。在文件存儲方面，生物信息平臺采用分布式文件存儲服務器，支持彈性擴容、多副本、自動糾錯和容災恢復等[17]。針對生物信息分析工具種類繁多、部分工具安裝和使用較為繁雜的情況，采用支持通用工作流語言(CWL)和工作流描述語言(WDL)的生物信息數(shù)據(jù)分析平臺Galaxy[18]。該平臺提供基于WEB端的可視化操作界面，允許研究人員通過瀏覽器訪問系統(tǒng)頁面后自定義分析流程和命令，且附帶多種常用的生物信息分析工具，可顯著減輕研究人員工作量，提高分析效率[19]。Galaxy同時支持超級計算中心的SLURM

(simplelinuxutilityforresourcemanagement)集群管理器和作業(yè)調(diào)度系統(tǒng)，可將復雜任務分配于集群運行，突破常規(guī)分析軟件單節(jié)點計算資源受限的瓶頸。4數(shù)據(jù)標準化管理方案本項目涉及多個醫(yī)療中心、生物樣本庫、組學平臺的數(shù)據(jù)采集和信息傳輸，因此加強數(shù)據(jù)管理、制訂數(shù)據(jù)標準化管理方案至關(guān)重要。統(tǒng)一化編碼規(guī)則、結(jié)構(gòu)化臨床信息、標準化樣本流轉(zhuǎn)信息和規(guī)范化數(shù)據(jù)存儲等數(shù)據(jù)標準化管理方案，可保障生物樣本庫的整體數(shù)據(jù)質(zhì)量及各子系統(tǒng)間數(shù)據(jù)的高效互通互聯(lián)。4.1統(tǒng)一化編碼規(guī)則項目制定了統(tǒng)一化數(shù)據(jù)編碼規(guī)則，以生物樣本編號為例，統(tǒng)一化的生物樣本編號作為生物樣本的唯一識別編號，由生物樣本管理系統(tǒng)根據(jù)受試者編號、樣本類型、時間節(jié)點和采集序號進行組合生成，作為各子系統(tǒng)間傳輸生物樣本信息時的唯一標識編號，可高效便捷地定位生物樣本所關(guān)聯(lián)的臨床信息、狀態(tài)信息和組學數(shù)據(jù)。4.2結(jié)構(gòu)化臨床信息EDC系統(tǒng)的表單引擎功能可對所采集的臨床信息進行結(jié)構(gòu)化處理，對于非結(jié)構(gòu)化和自由文本類型的臨床信息，盡可能對其拆分和細化，使其轉(zhuǎn)化為可結(jié)構(gòu)化或可量化的變量，同時參考國際CDISC(ClinicalDataInterchangeStandardsConsortium)標準對變量和選項進行命名，使臨床信息便于收集、傳輸和統(tǒng)計分析。4.3標準化樣本流轉(zhuǎn)信息研究人員可通過生物樣本管理系統(tǒng)微信小程序掃描采集管上的條形碼/二維碼，在移動端實時錄入標準化的生物樣本流轉(zhuǎn)信息，包括樣本類型、計量單位、預采集量、采集量、采集管質(zhì)量、操作人員、操作時間、操作狀態(tài)、存儲位置、存儲時間、存儲環(huán)境、送檢時間、送檢平臺和檢測結(jié)果等信息，其中操作狀態(tài)包括采集、運