精准医学知识库构建课件

精准医学知识库构建精准医学知识库构建1集合了诸多现代医学科技发展的知识与技术体系，体

现了医学科学发展趋势，也代表了临床实践发展方向。基础大样本研究获得疾病分子机制的知识体系依据组学数据患者个体特征基因型表型环境生活方式手段现代遗传学分子影像学生物信息学临床医学目标精准预防精准诊断精准治疗掌新的疾病分类体系和诊疗标准提高国民健康水平减少无效、有害和过度医疗降低医疗成本优化国家医疗资源配置推动相关学科快速发展2011年11月，美国NRC：《迈向精确医学：构建生物医学研究知识网络和疾病分类体系》概念意义精准医学集合了诸多现代医学科技发展的知识与技术体系，体现了医学科2知识库在精准医学研究中的重要性队列研究

组学分析临床基因型表型环境生活方式…基因组学蛋白质组学代谢组学…大样本、大数据知识库标准文本资源生物信息知识海量、异构数据知识网络信息查找信息分析知识再造知识共享疾病诊断精准医疗健康管理资源配置病例分析科研精准医学目标或应用知识库在精准医学研究中的重要性队列研究 组学分析临床基因型基3生物医学知识库已成为研究热点欧洲生物信息研究所（EBI）的知识库研究美国国立生物技术信息中心（NCBI)的知识库研究NCBI、EBI等国际大型生物信息中心依托海量资源持续构建生物医学知识库通过自然语言处理技术从文档中提取信息和知识聘请专业人士进行判读，保证了知识的可靠性致力于组学数据的建模、分析和理解IPA软件GeneGo软件UPTODATE生物医学知识库已成为研究热点NCBI、EBI等国际大型生物信4Linked

OpenData

in

BiomedinceSource:

LinkedOpenDatainBiomedince5中国医学科学院医学信息研究所军事医学科学院大连理工大学复旦大学北京基因组研究所北京蛋白质组研究中心哈尔滨工业大学浙江大学中科院上海生命科学研究院上海生物信息技术研究中心疾病研究精准医学知识库构建生物信息语义网络文本挖掘共享平台知识审编集合了国内在语义网络、文本挖掘、生物信息、知识审编和共享平台方面的优势团队疾病研究精准医学知识库构建中国医学科学院医学信息研究所复旦大学中科院上海生命科学研究院6药物基因组蛋白质组疾病与症状暴露组treatsdisrupts……Gene

has

MutationMutation

has

Size……is

aaffectscomplicatesco-occurs

withreformulated

totradename

ofhas

precise

ingredientingredient

of……is

associated

withinteracts

withhas

part……精准医学本体与语义网络环境药物疾病/症状通路蛋白质基因/基因变异面向恶性肿瘤、代谢系统疾病、呼吸系统疾病、心脑血管疾病等重大疾病药物基因组蛋白质组疾病与症状暴露组treatsGeneha7药物疾病通路基因变异一般变异重复出现变异1,000,000100,000蛋白层次的变异10,0001,000100功能性变异10精准医学知识库的内涵药物疾病通路基因变异一般变异重复出现变异1,000,00018知识库服务的基本思路应用需求科研需求临床需求知识库API建设知识库建设结合知识库内容和需求提供API建设相应的知识库内容集成相关的知识库服务统一的表型本体统一的药品本体以及这些本体在临床的映射知识库服务的基本思路应用需求科研需求知识库API建设知识库9知识库科研应用预期效果生物学问题搜索实验数据定制路径Bio/ToxFunctions

Diseases/Disorders

CanonicalPathways

Upstream

RegulatorsMechanistic

/

Causal

Networks

Interaction

NetworksBioProfiler对比分析知识库科研应用预期效果生物学问题搜索实验数据定制路径Bio/10精准医学知识库临床应用精准医学知识库应用接口（知识推送系统）精准医学场景案例精准用药风险评估精准诊断精准治疗精准预测精准医学知识库临床应用精准医学知识库应用接口（知识推送系统）1112知识库本体和语义网络12知识库本体和语义网络12精准医学顶层本体可视化13精准医学顶层本体可视化1313精准医学本体关系可视化

-

114精准医学本体关系可视化-11414语义关系示例RID

Relation_String

Domain

Range

R0000002

decrease

Genes

Diseases

IPA

KBGenes:MEN1;

Disease:

liver

cancer;

source:24101467;summary:

Here,

we

showthat

heterozygous

ablation

of

Men1

in

female

mice

reduces

chemicalcarcinogen-induced

liver

carcinogenesis

and

represses

the

activation

of

the

inflammation

pathway.R0000003

decrease

Chemicals

and

Drugs

Diseases

IPA

KBChemicals

and

Drugss:

dexmedetomidine;

Disease:livercancer;

source:ClinicalT

NCT02016391Summary:

dexmedetomidine

is

in

Phase

4

clinical

trial

as

a

treatment

for

cancerof

liverin

human.

15语义关系示例RIDRelation_StriDomain15本体下层概念---概念表16概念主要参考MeSH及NCIt术语来源素材包括MeSH、SnomedCT、NCIt、OMIM等

。本体下层概念---概念表16概念主要参考MeSH及NCI16本体下层概念数据统计17统计项统计值本体一级类名本体二级类名概念数术语数Human

PhenotypesAnatomy249717315Diagnosticand

Therapeutic

Techniques469132254Organisms633225908Pathological

Conditions6515030Signs

and

Symptoms10726573DiseasesChemically-Induced

Disorders1971550Communicable

Diseases9827854Diseases

by

Site277218492Hereditary

Diseases

and

Abnormalities134316465Mental

Disorders4473285Neoplasms808941884Nutritional

and

Metabolic

Diseases6027780Occupational

Diseases37263Syndrome6257167Cellular

MechanismsCells4813710Cellular

Structures3001672CellPhysiological

Phenomena2661439Molecular

MechanismsBiomolecules1065266599Biochemical

Phenomena4813205Gene886650559Genetic

Phenomena9226327Chemicals

and

DrugsAll22644106060合计74,465428,157本体下层概念数据统计17统计项统计值本体一级类名本体二级类名17知识库资源层-领域数据&文本资源整合18知识库资源层1818领域数据库生物医学数据库核酸数据库蛋白质数据库表达谱数据库突变数据库功能数据库通路数据库基因/突变-疾病数据库症状数据库诊疗数据库药物数据库基因数据库GenBank,

RefSeq,

miRBase,

EMBLSwiss-Prot,

trEMBL,

PDBGEO,

ArrayExpressdbSNP,

dbVar，1000

Genomes

ProjectTRANSFACReactome,

KEGG,

BiGGOMIM,

ClinVar,

HGMD,

TCGA,COSMICHPONGCDrugBank,

PharmGKB,

PubChem领域数据库生物医学数据库核酸数据库蛋白质数据库表19精准医学文本资源整合系统总体设计20PubMedFDAClinicaltrialThomson

Innovation…信息采集层信息组织层信息服务层元数据仓储外部其它应用系统检索应用元数据加工网页采集基本功能个性化定制采 集分布式数据处理采集策略管 理数据仓储元数据标准自动标引信息分类体系元数据接口服务全文数据接口服务资源导航个性化定制服务信息分析与用户热点关注用户管理数据维护精准医学文本资源整合系统总体设计20PubMedFDACli2021知识图谱构建21知识图谱构建21知识图谱构建22数据采集分布式爬虫互联网知识获取网页解析关系抽取知识存储数据插入数据融合冲突检测与修复数据模式转换知识图谱补全文本关系抽取跨语言实体链接实体类型推断知识图谱存储与检索数据存储数据索引同义词检索流程化系统架构数据插入：数据图谱化将数据库条目数据，转化为知识图谱的RDF

三元组，并插入知识图谱实体转换原数据库中的entry，转化为知识图谱中的实体属性-关系转换原数据库属性转化为<实体,属性,值>的SPO三元组5数据库条目GeneNameGene

IdAlternative

TranscriptsOMIMTP53COSG501TP53_ENST00000545858,TP53_ENST0000026930191170SubjectPredicateObjectRDF三元组COSG501Gene

nameTP53COSG501Aternative

TranscriptsTP53_ENST000005458

58COSG50Aternative

TranscriptsTP53_ENST000002693105COSG50OMIMOMIM_TP53知识图谱构建22数据采集分布式爬虫互联网知识获取网页解析关系22数据插入：基于知识图谱的数据融合实体相似度，取决于其邻居的相似度相似度经过多轮迭代知识图谱中的等价性，具有传递性更丰富的语义信息被使用sameAs(x1,

x2)y2)dependson

which

depends

onsameAs(y1,sameAs(x1,x2)PARIS

-

Probabilistic

Alignment

of

Relations,

Instances,

and

Schema,

PVLDB

2011数据插入：基于知识图谱的数据融合实体相似度，取决于其邻居的23数据插入：冲突检测与修复不同数据源可能存在数据不一致或数据冲突。检测并修复这些冲突，是综合利用多个医学数据库的基础。Type(TP53,

gene)

,cDNA

Sequence(TP53,

X)Type(TP53,

gene)

,cDNA

Sequence(TP53,

Y)定义语义限制，检测冲突cDNA

Sequence(A,B)

&

cDNA

Sequence(A,C)

=>

B=C出发点：正确的数据值，应该是使得数据冲突个数最少的值。算法：MaxSATKB1KB2Type(TP53,

gene)

,cDNA

Sequence(TP53,

X)

,cDNA

Sequence(TP53,

Y)SOFIE:

aself-organizing

framework

for

information

extraction,

WWW

2009KB(融合后)数据插入：冲突检测与修复不同数据源可能存在数据不一致或数据冲24整合现有国际生物医学数据库，研发并利用跨库知识融合技术，构建“基因－突变－疾病－诊疗方案和治疗药物”的精准医学知识图谱知识图谱构建关键技术

整合现有国际生物医学数据库，研发并利用跨库知识融合技术25知识库界面展示与功能介绍26知识库界面展示与功能介绍2626精准医学知识库资源展示页面树状结构的资源分类树统计资源访问与下载次数等，并以此排序资源展示，并监控资源服务状态链接原始地址资源检索系统简介精准医学知识库资源展示页面树状结构的资源分类树统计资源访问27核心分析功能经典通路的分布富集分析预测提交数据的上游调控因子相关疾病的分布富集分析毒理过程分布富集分析转录调控网络、相互作用网络基于精准医学知识库核心分析功能基于精准医学知识库28目标蛋白的功能分析（GO,

KEGG)目标蛋白的通路分布分析(KEGG,Reactome,

PID)目标蛋白的信号网络分析转录调控网络分析药物敏感性分析样本间的PCA分析样本间的cluster分析样本间的相关性分析样本的热图分析数据分析应用代谢网络分析蛋白网络分析整合生物学网络分析通路建模和仿真激酶-底物网络分析药物靶标和药物分析疾病基因分析（例驱动基因）蛋白质基因组学分析体系的建立目标蛋白的功能分析（GO,KEGG)目标蛋白的通路分29标志物寻找结果展示BPRC李栋团队多组间的biomarker的分析不同组间的共同biomarker的展示标志物寻找结果展示多组间的biomarker的分析30通路展示功能Canonical

Pathways

Visualization通路展示功能CanonicalPathwaysVisua31应用场景32应用场景3232精准医疗场景Jeff

Williams,

46y.o.

American

male

of

Scottish

descentInitial

Diagnosis:

Cirrhosis&

Diabetesdueto

alcoholismThe

time

it

took

to

getacorrectdiagnosiscaused

permanent

damage.肝硬化

AND

糖尿病

AND

腹水

AND

脾肿大CirrhosisAND

Diabetes

ANDAscites

AND

Splenomegaly获取病人状况概念归一化利用知识库中的表现关系获得可能疾病列表关联精准医学知识库精准医疗场景JeffWilliams,46肝硬化AND33精准用药场景精准医学知识库订阅药物基因组学相关知识内容知识转化平台监控临床用药知识的本地化院内药物基因组学知识库临床工作站知识服务个性化用药建议临床基因检测结果解析氯吡格雷精准用药场景精准医学知识库订阅知识转化平台监控临床用药知识的34精准用药

精准用药35

建立肝癌生命组学知识库全面收集已经过初步验证的肝癌生命组学变化知识点，并进行抽提、归纳、注释和解析，挖掘和展示肝癌发生、发展、预后和药物反应性的潜在分子机理、生物标志物和药物作用靶点，建立肝癌生命组学知识库，为肝癌的个体化医疗奠定基础。已建立初具规模的样本招募网络体系基因和临床数据库我们的基因和临床数据库系统包含了门诊信息、基因信息、表型数据，具有录入、查询、统计、存储的功能。知识库现有基础 建立肝癌生命组学知识库全面收集已经过初步验证的肝癌生命组36我们的公共数据库包括数据库的构建、数据库抓取，数据库存储。采用云在线关系型数据库，整合了12个公共数据库，5种人群，收集了基因型、表型、基因注释和文献信息。知识库现有基础肝癌知识库的原型进一步扩充肝癌的相关知识库军事医学科学院王磊团队我们的公共数据库包括数据库的构建、数据库抓取，数据库存储。采37谢 谢

谢 谢38精准医学知识库构建精准医学知识库构建39集合了诸多现代医学科技发展的知识与技术体系，体

现了医学科学发展趋势，也代表了临床实践发展方向。基础大样本研究获得疾病分子机制的知识体系依据组学数据患者个体特征基因型表型环境生活方式手段现代遗传学分子影像学生物信息学临床医学目标精准预防精准诊断精准治疗掌新的疾病分类体系和诊疗标准提高国民健康水平减少无效、有害和过度医疗降低医疗成本优化国家医疗资源配置推动相关学科快速发展2011年11月，美国NRC：《迈向精确医学：构建生物医学研究知识网络和疾病分类体系》概念意义精准医学集合了诸多现代医学科技发展的知识与技术体系，体现了医学科40知识库在精准医学研究中的重要性队列研究

组学分析临床基因型表型环境生活方式…基因组学蛋白质组学代谢组学…大样本、大数据知识库标准文本资源生物信息知识海量、异构数据知识网络信息查找信息分析知识再造知识共享疾病诊断精准医疗健康管理资源配置病例分析科研精准医学目标或应用知识库在精准医学研究中的重要性队列研究 组学分析临床基因型基41生物医学知识库已成为研究热点欧洲生物信息研究所（EBI）的知识库研究美国国立生物技术信息中心（NCBI)的知识库研究NCBI、EBI等国际大型生物信息中心依托海量资源持续构建生物医学知识库通过自然语言处理技术从文档中提取信息和知识聘请专业人士进行判读，保证了知识的可靠性致力于组学数据的建模、分析和理解IPA软件GeneGo软件UPTODATE生物医学知识库已成为研究热点NCBI、EBI等国际大型生物信42Linked

OpenData

in

BiomedinceSource:

LinkedOpenDatainBiomedince43中国医学科学院医学信息研究所军事医学科学院大连理工大学复旦大学北京基因组研究所北京蛋白质组研究中心哈尔滨工业大学浙江大学中科院上海生命科学研究院上海生物信息技术研究中心疾病研究精准医学知识库构建生物信息语义网络文本挖掘共享平台知识审编集合了国内在语义网络、文本挖掘、生物信息、知识审编和共享平台方面的优势团队疾病研究精准医学知识库构建中国医学科学院医学信息研究所复旦大学中科院上海生命科学研究院44药物基因组蛋白质组疾病与症状暴露组treatsdisrupts……Gene

has

MutationMutation

has

Size……is

aaffectscomplicatesco-occurs

withreformulated

totradename

ofhas

precise

ingredientingredient

of……is

associated

withinteracts

withhas

part……精准医学本体与语义网络环境药物疾病/症状通路蛋白质基因/基因变异面向恶性肿瘤、代谢系统疾病、呼吸系统疾病、心脑血管疾病等重大疾病药物基因组蛋白质组疾病与症状暴露组treatsGeneha45药物疾病通路基因变异一般变异重复出现变异1,000,000100,000蛋白层次的变异10,0001,000100功能性变异10精准医学知识库的内涵药物疾病通路基因变异一般变异重复出现变异1,000,000146知识库服务的基本思路应用需求科研需求临床需求知识库API建设知识库建设结合知识库内容和需求提供API建设相应的知识库内容集成相关的知识库服务统一的表型本体统一的药品本体以及这些本体在临床的映射知识库服务的基本思路应用需求科研需求知识库API建设知识库47知识库科研应用预期效果生物学问题搜索实验数据定制路径Bio/ToxFunctions

Diseases/Disorders

CanonicalPathways

Upstream

RegulatorsMechanistic

/

Causal

Networks

Interaction

NetworksBioProfiler对比分析知识库科研应用预期效果生物学问题搜索实验数据定制路径Bio/48精准医学知识库临床应用精准医学知识库应用接口（知识推送系统）精准医学场景案例精准用药风险评估精准诊断精准治疗精准预测精准医学知识库临床应用精准医学知识库应用接口（知识推送系统）4912知识库本体和语义网络12知识库本体和语义网络50精准医学顶层本体可视化13精准医学顶层本体可视化1351精准医学本体关系可视化

-

114精准医学本体关系可视化-11452语义关系示例RID

Relation_String

Domain

Range

R0000002

decrease

Genes

Diseases

IPA

KBGenes:MEN1;

Disease:

liver

cancer;

source:24101467;summary:

Here,

we

showthat

heterozygous

ablation

of

Men1

in

female

mice

reduces

chemicalcarcinogen-induced

liver

carcinogenesis

and

represses

the

activation

of

the

inflammation

pathway.R0000003

decrease

Chemicals

and

Drugs

Diseases

IPA

KBChemicals

and

Drugss:

dexmedetomidine;

Disease:livercancer;

source:ClinicalT

NCT02016391Summary:

dexmedetomidine

is

in

Phase

4

clinical

trial

as

a

treatment

for

cancerof

liverin

human.

15语义关系示例RIDRelation_StriDomain53本体下层概念---概念表16概念主要参考MeSH及NCIt术语来源素材包括MeSH、SnomedCT、NCIt、OMIM等

。本体下层概念---概念表16概念主要参考MeSH及NCI54本体下层概念数据统计17统计项统计值本体一级类名本体二级类名概念数术语数Human

PhenotypesAnatomy249717315Diagnosticand

Therapeutic

Techniques469132254Organisms633225908Pathological

Conditions6515030Signs

and

Symptoms10726573DiseasesChemically-Induced

Disorders1971550Communicable

Diseases9827854Diseases

by

Site277218492Hereditary

Diseases

and

Abnormalities134316465Mental

Disorders4473285Neoplasms808941884Nutritional

and

Metabolic

Diseases6027780Occupational

Diseases37263Syndrome6257167Cellular

MechanismsCells4813710Cellular

Structures3001672CellPhysiological

Phenomena2661439Molecular

MechanismsBiomolecules1065266599Biochemical

Phenomena4813205Gene886650559Genetic

Phenomena9226327Chemicals

and

DrugsAll22644106060合计74,465428,157本体下层概念数据统计17统计项统计值本体一级类名本体二级类名55知识库资源层-领域数据&文本资源整合18知识库资源层1856领域数据库生物医学数据库核酸数据库蛋白质数据库表达谱数据库突变数据库功能数据库通路数据库基因/突变-疾病数据库症状数据库诊疗数据库药物数据库基因数据库GenBank,

RefSeq,

miRBase,

EMBLSwiss-Prot,

trEMBL,

PDBGEO,

ArrayExpressdbSNP,

dbVar，1000

Genomes

ProjectTRANSFACReactome,

KEGG,

BiGGOMIM,

ClinVar,

HGMD,

TCGA,COSMICHPONGCDrugBank,

PharmGKB,

PubChem领域数据库生物医学数据库核酸数据库蛋白质数据库表57精准医学文本资源整合系统总体设计20PubMedFDAClinicaltrialThomson

Innovation…信息采集层信息组织层信息服务层元数据仓储外部其它应用系统检索应用元数据加工网页采集基本功能个性化定制采 集分布式数据处理采集策略管 理数据仓储元数据标准自动标引信息分类体系元数据接口服务全文数据接口服务资源导航个性化定制服务信息分析与用户热点关注用户管理数据维护精准医学文本资源整合系统总体设计20PubMedFDACli5821知识图谱构建21知识图谱构建59知识图谱构建22数据采集分布式爬虫互联网知识获取网页解析关系抽取知识存储数据插入数据融合冲突检测与修复数据模式转换知识图谱补全文本关系抽取跨语言实体链接实体类型推断知识图谱存储与检索数据存储数据索引同义词检索流程化系统架构数据插入：数据图谱化将数据库条目数据，转化为知识图谱的RDF

三元组，并插入知识图谱实体转换原数据库中的entry，转化为知识图谱中的实体属性-关系转换原数据库属性转化为<实体,属性,值>的SPO三元组5数据库条目GeneNameGene

IdAlternative

TranscriptsOMIMTP53COSG501TP53_ENST00000545858,TP53_ENST0000026930191170SubjectPredicateObjectRDF三元组COSG501Gene

nameTP53COSG501Aternative

TranscriptsTP53_ENST000005458

58COSG50Aternative

TranscriptsTP53_ENST000002693105COSG50OMIMOMIM_TP53知识图谱构建22数据采集分布式爬虫互联网知识获取网页解析关系60数据插入：基于知识图谱的数据融合实体相似度，取决于其邻居的相似度相似度经过多轮迭代知识图谱中的等价性，具有传递性更丰富的语义信息被使用sameAs(x1,

x2)y2)dependson

which

depends

onsameAs(y1,sameAs(x1,x2)PARIS

-

Probabilistic

Alignment

of

Relations,

Instances,

and

Schema,

PVLDB

2011数据插入：基于知识图谱的数据融合实体相似度，取决于其邻居的61数据插入：冲突检测与修复不同数据源可能存在数据不一致或数据冲突。检测并修复这些冲突，是综合利用多个医学数据库的基础。Type(TP53,

gene)

,cDNA

Sequence(TP53,

X)Type(TP53,

gene)

,cDNA

Sequence(TP53,

Y)定义语义限制，检测冲突cDNA

Sequence(A,B)

&

cDNA

Sequence(A,C)

=>

B=C出发点：正确的数据值，应该是使得数据冲突个数最少的值。算法：MaxSATKB1KB2Type(TP53,

gene)

,cDNA

Sequence(TP53,

X)

,cDNA

Sequence(TP53,

Y)SOFIE:

aself-organizing

framework

for

information

extraction,

WWW

2009KB(融合后)数据插入：冲突检测与修复不同数据源可能存在数据不一致或数据冲62整合现有国际生物医学数据库，研发并利用跨库知识融合技术，构建“基因－突变－疾病－诊疗方案和治疗药物”的精准医学知识图谱知识图谱构建关键技术

整合现有国际生物医学数据库，研发并利用跨库知识融合技术63知识库界面展示与功能介绍26知识库界面展示与功能介绍2664精准医学知识库资源展示页面树状结构的资源分类树统计资源访问与下载次数等，并以此排序资源展示，并监控资源服务状态链接原始地址资源检索系统简介精准医学知识库资源展示页面树状结构的资源分类树统计资源访问65核心分析功能经典通路的分布富集分析