本文内容如下e-collection /主题问题:

临床应用的基因组学和生物信息学(22) 临床信息学(563) 临床信息与决策(933) 电子健康记录(802)

发表在在2卷， No . 2(2014): Jul-Dec

将个人单核苷酸多态性(SNP)数据纳入疾病风险评估的国家级电子健康记录，第1部分:要求概述

将个人单核苷酸多态性(SNP)数据纳入疾病风险评估的国家级电子健康记录，第1部分:要求概述

将个人单核苷酸多态性(SNP)数据纳入疾病风险评估的国家级电子健康记录，第1部分:要求概述

本文作者:

帖木儿Beyan1 作者:Orcid； ye Aydın儿子1 作者:Orcid
文章 作者 引自(5) Tweetations (4) 指标

    原始论文

    中东技术大学卫生信息系信息学研究所，土耳其安卡拉

    通讯作者:

    ye Aydın Son, MD, PhD

    信息学研究所

    卫生信息学系

    中东技术大学

    Üniversiteler Mahallesi Dumlupınar bulvari No . 1

    ODTÜ informatik Enstitüsü B-207

    安卡拉,06800

    火鸡

    电话:90 312 210 7708

    传真:90 312 210 3745

    电子邮件:yesim@metu.edu.tr


    背景:个性化医疗方法为预测和预防医学提供了机会。利用基因组、临床、环境和行为数据，跟踪和管理个人健康成为可能。通过将基因组变异的临床解释整合到电子医疗记录(emr)/电子健康记录(EHRs)中，可以实现将这种个性化方法引入常规实践的一种丰富方法。今天，包括土耳其在内的世界许多国家已经建立了各种中央电子病历基础设施。

    摘要目的:本研究的目的是将个人单核苷酸多态性(SNP)数据纳入土耳其国家卫生信息系统(nhs - t)进行疾病风险评估，并评估各种前列腺癌病例预测模型的性能。我们将我们的工作作为包含三部分的迷你系列进行介绍:(1)要求概述，(2)将SNP纳入NHIS-T，以及(3)对SNP纳入NHIS-T治疗前列腺癌的评估。

    方法:在本系列的第一篇文章中，对科学文献进行了回顾，并对SNP数据集成到EMRs/ ehr中的要求进行了提取和介绍。

    结果:文献中列出了基因组化EMRs/EHRs的基本要求:将基因型数据及其临床解释纳入EMRs/EHRs，开发准确可及的临床基因组学解释资源(知识库)，对变异数据进行解释和再解释，将临床基因组学信息融入医疗决策过程。在本节中，我们在术语标准、互操作性标准、临床基因组学知识库、定义临床意义和临床基因组学决策支持的标题下分析了这些需求。

    结论:为了将结构化的基因型和表型数据整合到任何系统中，需要确定临床基因组信息的数据组成、术语标准和标识符。此外，我们还需要确定互操作性标准，以便在利益相关者的不同信息系统之间共享信息，并开发基于知识库的决策支持能力，通过不同的评估方法来解释基因组变异。

    中华医学杂志，2014;2(2):915

    doi: 10.2196 / medinform.3169

    关键字

    卫生信息系统； 临床决策支持系统； 疾病风险模型； 电子健康记录； 表观遗传学； 个性化医疗； 单核苷酸多态性


    数字时代正在彻底改变传统的以人口为基础的医疗保健模式，向个性化医疗转变。传统医学方法的预测性和预防性不足，因为它们侧重于往往隐藏风险因素的症状表现。确定风险因素可以通过早期诊断进行预防，并为基于以患者为中心、预测性、预防性和有效的卫生保健服务开发个性化医疗方法提供了新的机会[1]。

    基因组数据及其衍生物(转录组、蛋白质组、代谢组等)是个体化医疗的基本要素[2，3.]。与参考序列相比，每个人在自己的基因组中都有近400万个变异。基因组变异的范围从单个核苷酸的改变到整个染色体的增加或减少。单核苷酸多态性(SNPs)，即基因组中的单个核苷酸在个体或成对染色体之间发生改变，约占基因组变异的90%，其中一些已经在临床实践中被验证为重要的标记，而另一些正在进行中[4-6]。

    下一代测序(NGS)技术的快速发展大大降低了对整个人类基因组进行测序所需的成本和时间，预计到2020年，基于NGS的分析，例如全基因组测序(WGS)和全外显子组测序(WES)将可用于卫生保健和疾病预防的常规应用[7]。向医疗专业人员提供基因组数据将促进基于个人基因组的临床决策，并允许根据患者的具体需要和特征定制医疗保健服务[8]。与此同时，正在开发直接面向消费者(DTC)的全基因组分析测试，以评估许多常见多基因疾病的个体疾病风险[9]。DTC基因组公司，如23andMe、GenePlanet和DNA DTC，通常使用从唾液或血清样本中提取的脱氧核糖核酸(DNA)对snp进行基因芯片分析[10-12]。

    在临床决策过程中，基因组变异数据可用于疾病风险评估、易感性预测、临床早期诊断、病程跟踪、靶向筛查、治疗方案规划等[3.，13]。将这种个性化方法纳入常规医疗实践的合理方法是将基因型数据及其临床解释整合到电子医疗记录(EMRs)/电子健康记录(EHRs)中[8，14]。

    今天，在许多发达国家和发展中国家，医疗保健提供者不可避免地要使用电子病历/电子病历来报销服务，并跟踪所提供的医疗保健质量[15，16]。最近，世界上许多国家建立了若干电子病历网络，包括土耳其国家卫生信息系统(nhs - t) [17]。这些电子病历系统和网络具有将基因组数据整合到个性化医疗保健实践中的巨大潜力。

    在这项工作中，作为开发复杂基础设施的初步尝试，我们专注于将个人SNP数据纳入NHIS-T进行疾病风险评估，并评估各种前列腺癌病例预测模型的性能。我们将我们的工作分为三个部分:(1)对需求的文献综述，(2)将SNP纳入nhs - t [18]，以及(3)纳入nis - t的SNP对前列腺癌的评价[19]。在这一部分中，回顾了科学文献，并提取了关于SNP数据集成EMRs/EHRs的要求。


    基因组测序的信息学管道可分为碱基调用、比对、变异分析、解释等几个分析步骤，并在各个层面生成不同的文件格式[20.-22]。目前，工具和技术已经发展到自动化和可靠的分析，但临床解释变异数据仍然是一个主要问题[21]。

    目前，大多数电子病历/电子病历的设计目的是存储和检索实验室值和临床结果，但不具备管理基因组数据的能力[23-25]。经过WGS/WES后，获得一个包含大量变异数据的文件[26]。整个基因组序列(人类单倍体基因组的大小)包含约30亿个碱基对，单个WGS数据文件约为3gb。个人原始基因组序列的存储和共享超过了许多卫生保健组织的传输和存储能力[27]。由于这些技术限制，原始基因组数据通常存储在电子病历之外;类似于医学图像的图片存档和通信系统，而基因组数据的临床解释最好发送到电子病历的数据库[28-30.]。

    将病人的基因组数据纳入电子病历/电子病历的措施属初步性质[31直到最近，只有少数成功建立的系统，如Cerner的Genomics Solutions、McKesson的Horizon Clinicals和GeneInsight [26，32]。

    在文献中，基因组化EMRs/EHRs的基本要求是将基因型数据及其临床解释纳入EMRs/EHRs，开发准确且可访问的临床基因组学解释资源(知识库)，变异数据的解释和再解释，以及将临床基因组学信息融入医疗决策过程。

    图1表明，在基因组实验室方面，可以产生不同层次的序列数据。由于临床医生需要对变异数据进行可操作的临床解释，因此在实验室和临床系统之间共享临床相关数据就足够了。临床基因组学知识库的发展必须从变异数据中提取临床意义。在临床方面，由于大量的变异，有必要使用决策支持系统。在某些情况下，临床基因组学信息可能有助于管理其他家庭成员和其他近亲的健康状况。

    ‎
    图1所示。支持基因组的电子医疗记录/电子健康记录的主要组件。单核苷酸多态性;单核苷酸多态性。
    查看此图

    术语标准

    为了将结构化的基因型和表型数据整合到任何系统中，首先需要确定数据组成、术语标准和临床基因组学信息的标识符，例如，基因型数据及其相关的临床解释。

    在基因组术语方面，人类基因命名委员会对人类基因组变异学会定义的识别基因符号、标识符和变体命名法进行标准化[6]。参考SNP编号(rs number)和参考SNP标识符(rsID)用于标识单核苷酸多态性数据库(single Nucleotide Polymorphism Database, dbSNP)中的每个SNP条目。dbSNP是美国国家生物技术信息中心(NCBI)维护的最大的数据库。dbSNP通过rsID与许多其他资源互联，例如，Entrez Gene, GenBank, Universal Protein Resource, International HapMap Project，药物基因组学知识库(PharmGKB)以及AlzGene, PDGene, SzGene数据库[33]。此外，在许多类型的个人基因组文件格式(例如，23andMe, deCODEme和Navigenics)中，SNPs是由rsID识别的。

    DNA是双链延伸，每个有核体细胞有22对常染色体和一对性染色体。这意味着对于常染色体，我们有两种版本的DNA链，通过母亲和父亲的性细胞遗传。一种特定多态性的不同形式或变体称为等位基因。由于不同的等位基因可能具有不同程度和类型的临床影响，因此仅凭rsID不足以确定snp的临床基因组学意义。拥有杂合子等位基因可能不会改变患病风险，但拥有相同SNP变体的纯合子等位基因可能会显著改变患病风险。例如，在一项研究中，rs3218536 (a;G)的比值比为0.8 (CI 0.7-1.0)， rs3218536 (a; a)的比值比为0.3 (0.1-0.9)[34]。因此，为了确定临床相关的snp，我们需要使用rsID和等位基因数据的组合作为最低要求。

    DNA有一条双链(分别是正链和负链，或正链和反链)，每个SNP都可以用两条DNA链中的任何一条来识别。在各种出版物中，基于取向差异对snp的相同等位基因进行了不同的定义[35]。由于DNA的双链结构，两种方法都是正确的，但需要声明和使用标准。

    整合不同的数据和临床相关性提出了术语标准化的问题。不幸的是，传统的健康信息术语不能成功地支持遗传疾病。涉及许多定义遗传疾病的术语的数据库与系统化医学命名法(SNOMED)之间存在重大差距[36]。为了解决医学词汇与生物信息学资源之间的鸿沟，开发并实现了临床生物信息学本体(CBO)。CBO是一个精心策划的语义网络，试图结合各种临床词汇，例如，snome -临床术语(CT)，逻辑观察标识名称和代码(LOINC)和NCBI生物信息学资源[37，38]。

    此外，同样在土耳其实施的国际疾病分类(ICD)代码也是识别临床疾病的首选，但已发布的ICD版本并不完全支持基因组医学[36]。现有的ICD版本不能有效地管理所有水平的临床、病理和遗传异质性。预计这些问题将在下一个版本，例如ICD-11中加以管理。ICD-11计划于2015年发布，预计将与其他医学术语(如SNOMED-CT)互操作[39]。然而，不可避免地需要发展一种新的疾病分类法，这种分类法将以信息共享和知识网络为基础，包括分子、社会、环境和临床数据和健康结果的结合[40]。

    正如下一节所解释的，在临床基因组学知识库中，评估研究的证据质量和这些关联的效应大小对于分析已发表的临床基因组学关联结果至关重要[41-47]。尽管出现了一些方法和计划，但是需要标准化的定义和价值分配方法来以一致的方式对这些关联进行分类和使用。

    特别是对于多基因复杂疾病，临床基因组学关联的影响程度可能因种族、民族和环境因素而异[48]。“族裔”和“种族”指的是一种影响生物和环境因素的社会文化结构，我们需要一个通用的标准来对这些术语进行分类。

    在临床环境中，各种预测模型可能有助于使用相关的snp评估个人疾病风险，例如，累积模型，多基因风险评分等。另一方面，只有少数的整体环境基因组模型是可用的。由于大多数复杂疾病的进展是基因组和环境因素相互作用的结果，因此在不久的将来可能会产生更多的环境基因组模型。当然，随着预测临床基因组模型数量和价值的增加，我们将需要这些模型的标准化定义和共享方法。

    互操作性标准

    Health Level 7 (HL7)是一个制定健康信息标准的全球性组织。作为互操作性标准，HL7版本2。x (HL7 v2.x)是世界上使用最广泛的。HL7 v2。X没有明确的信息模型，包含许多可选的数据字段。为了克服这种模糊性问题，HL7版本3 (HL7 v3)已经开发出来，它基于一个称为参考信息模型(RIM)的面向对象数据模型[49]。HL7 v3临床文档体系结构(CDA)是一个文档标记标准。作为HL7 v3标准的一部分，HL7 CDA文件是用来交换信息的，目的是指定临床文件的结构和语义方面[50]。

    HL7临床基因组学(CG)工作组(WG)制定旨在规范基因组医学互操作性问题的标准。HL7 Version 2实施指南:临床基因组学;完全符合loc的遗传变异模型是基于HL7第2版实施指南实验室结果报告给电子健康档案，和HL7版本3遗传变异数据模型。本指引涵盖测序和基因分型测试结果的报告，以及与疾病和药物基因组学应用有关的DNA变异测试[36，51，52]。HL7 Version 2实施指南:临床基因组学;完全符合loc的遗传变异模型是合作伙伴医疗保健中心个性化遗传医学和山间医疗保健临床遗传学研究所使用的第一个例子，用于收集基因测试结果并将其传输到患者的电子病历[51，52]。GeneInsight Suite (GeneInsight Lab、GeneInsight Clinic和GeneInsight Network)也是一个基于HL7标准的临床变异数据共享平台[26，29，53，54]。

    HL7 v3遗传变异规范基于HL7 RIM。它使用HL7数据类型、内建在RIM中的词汇表绑定机制和生物信息学序列标记语言来建模序列信息。遗传变异模型中的根类是“遗传位点”，它描述了一组位点，如单倍型、遗传谱、多变异或基因表达面板的基因检测结果等。遗传位点模型使用遗传位点作为信息单位来描述每个遗传位点。基因座由一个或多个等位基因、序列和观察到的序列变异组成，代表一个基因或编码区。在该模型中，HL7建议通过“封装”共享原始基因组数据的重要部分，并基于基因组决策支持应用程序通过“冒泡”提取临床相关数据[55]。

    HL7 CG-WG制定了CDA实施指南(即CDA第2版基因检测报告实施指南)，以确保使用HL7 v3 RIM传输基因检测报告，并且适合人类可读报告的粒度水平[56]。

    临床基因组学知识库

    由于时间和认知的限制，临床医生不能直接从医学来源中提取变异的临床解释[57，58]。因此，将变异数据的临床解释整合到病历中，而不是纳入所有序列数据，将更有效地用于临床决策[54，59]。因此，必须选择临床相关的变异，并提出其临床意义，例如，临床基因组学关联，以及临床医生的行动计划。自人类基因组计划以来，研究人员不断发现新的临床基因组学关联，重新解释变异并将新的临床解释整合到临床过程中至关重要[26]。

    临床基因组学关联，通过基于候选基因调查或全基因组的不可知论筛选的研究获得，发表在科学文献中[41]。一些临床基因组学知识库收集、整理、解释和分类这些已发表的基因组变异与临床状况之间的关联。癌症全基因组关联和Meta分析数据库是癌症基因组循证医学知识库的一部分，提供全基因组关联研究(GWAS)、临床基因组关联研究和Meta分析[60，61]。ClinVar提供了有证据的变异和相关表型报告[62]。AlzGene [63]， PDGene [64]和SzGene [65]是资源，其中包括人工整理的PubMed文章，分别使用系统方法研究阿尔茨海默病、帕金森病和精神分裂症。SNPedia是在同行评审研究中发表的人类遗传变异的wiki资源[66]。PharmGKB是包含临床相关基因型-表型和基因-药物关系的知识来源[67]。

    然而，许多现有的知识库对变异数据的临床解释有不同的惯例。此外，由于资金问题，它们不能防错，也不可持续[54]。特别是对于多基因复杂疾病，临床基因组学关联的影响程度可能因种族、民族和环境因素而异[48]。因此，在个性化风险评估中，使用特定人群的临床基因组学结果或至少来自相似社区的发现将是一种理想的方法。如果这些都不可能，可以想象使用其他科学资源在一个置信范围内。专家们一直在倡导建立一个集中管理的国家资料库，用于解释个人基因组信息的临床重要变异，最终[58，68]。建立国家层面的临床基因组学知识库对于考虑临床基因组学与公民社会人口学特征的一致性以及克服可持续性问题至关重要。

    关于已发表的临床基因组学关联的结果，有两点是重要的，即研究的证据质量和这些关联的效应大小[41，42]。为了衡量临床基因组学关联的影响程度，研究人员通常更喜欢使用传统的方法，例如，在病例对照研究和队列研究中分别使用优势比(OR)和相对风险。这些值用CI [43]。

    在GWAS中，基于研究设计、基因分型或收集的数据质量可能存在许多影响结果临床价值的缺陷和偏差[41，44，45]。证据的质量是根据研究的类型和研究的实施情况来评分的[46]，并提出了一些计算证据度的准则[47]。

    人类基因组流行病学网络发布了临时威尼斯指南，对遗传关联的累积证据进行分级。该指南基于三个标准:(1)证据量(样本量)，(2)研究的可重复性(确定不同研究中的关联)，(3)防偏倚(表1)。在对一项研究进行评估后，所有考虑因素被分类为a、B和C，最后，使用半定量指标合并为一项综合评估，即遗传关联的流行病学可信度强、中等和弱[47]。

    表1。关于遗传关联累积证据评估的威尼斯临时指南标准[47]。
    威尼斯临时指导标准 类别
    证据数量 A类，样本量bbb1000
    B类，样本量bbb100和<1000;
    C类，样本量<100
    (按1:1的比例计算，病例总数和对照组总数)
    复制范围 A类，广泛的重复，包括至少一个进行良好的荟萃分析，研究之间几乎没有不一致。
    B类，进行良好的荟萃分析，有一些方法学上的局限性或研究间的适度不一致。
    C类，无关联;无独立复制;复制失败;分散的研究;有缺陷的荟萃分析;或者大的不一致性。
    防止偏误 A类，偏差，如果存在的话，可能会影响大小，但可能不会影响关联的存在。
    B类，没有明显的偏差可能影响关联的存在，但在证据的产生方面有相当大的缺失信息。
    C类，有相当大的潜在偏见，或可证明的偏见，甚至可以影响关联的存在或不存在。

    定义临床意义

    今天，威尼斯标准用于评估几个受控和结构化知识库中的基因组关联研究，例如，Alz-Gene, PD-Gene和SZ-Gene [63-65]。对于临床基因组学关联的重要性，一些知识来源包括额外的数据字段，这些数据字段定义了临床效应的大小以及变异与疾病之间关系的强度。在ClinVar中，临床意义被定义为影响和临床功能(如良性、致病性、保护性、药物反应等)的结合，临床意义的证据根据研究数量和类型进行分类，如体外研究、动物模型等[62]。在PharmGKB中，根据参考文献的方法和结果，提取了临床基因组学关联证据质量的系统分类[67]，但不强调影响值作为参数。在SNPedia中，量级被构建为对影响大小的兴趣和对证据质量的声誉(好或坏)的主观度量，但这些概念并没有很好地建立起来。在GET-Evidence中，临床基因组学参考文献根据其证据程度(高、中、低)进行分类，并使用临床意义(高、中、低)来产生影响评分[69]。

    临床基因组学决策支持

    整合到临床实践中的变异数据量超出了不支持人类认知和解释能力的界限。此外，临床基因组学相关文献的快速增长使得即使是经验丰富的专业人员也很难跟上时代的步伐[29]。此外，指望有限数量的遗传学专家解释所有临床基因组学数据是不合理的;我们需要更多的自动化解决方案来克服这些障碍[70]。随着基因组时代不断增长的数据负荷，为了及时做出明智的决策，卫生保健系统需要从基于专家的实践转向系统支持的实践[71]。

    虽然反例数量有限，但总体而言，单个SNP的临床效应较小(OR <2.00) [72，73]。然而，列出临床基因组学关联及其影响可能有助于报告有限数量的独立关联。对于具有强大影响和有力证据的疾病相关snp尤其如此;用户可以一个一个地分享这些。在这一点上，使用精心选择的图形和可视化技术将是一种有效的方法。不同的DTC基因组公司使用包含个人估计的图表报告不同临床状况下的个人基因组风险[74]。

    虽然报告SNP变异最简单的方法是在实验室报告中显示这些众多的变异，但很明显，临床医生无法解释或评估这些信息堆栈。临床基因组关联的适度值并不意味着可以忽略不计，一些研究人员试图开发多基因风险模型或面板，为各种SNP等位基因分配值，并计算疾病的总风险，以更有效地预测风险[75]。在文献中，已经提出了几种累积预测模型，但大多数模型在综合评估方面受到批评，特别是在临床应用方面[76]。

    单核苷酸多态性可以用来制作疾病风险预测的“基因组图谱”，测试个人基因组中的数十万个位点。目前，大多数基于snp的风险评估模型的预测效用和判别准确性有限，因为大多数与疾病相关的snp影响很小[77，78]。有研究表明，基于大量snp的基因组风险评分比基于少量且经过严格验证的snp的模型更能解释遗传力。但是需要处理大型数据集来建立这种判别性风险评估模型[79，80]。

    疾病的遗传结构是指遗传多态性的数量、效应大小、遗传作用模式(加性、显性和/或上位性)和等位基因频率。遗传风险的预测依赖于潜在的遗传结构。事实上，snp不一定是致病突变。它们只需要与致病突变处于高度连锁不平衡状态以便SNP与疾病风险之间存在一致的关联[81]。

    为了结合疾病相关SNP数据的影响，人们开发了不同类型的多基因预测模型，如计数法、对数赔率法、乘法模型等。计数法是计算独立基因组风险等位基因的总数。对数几率法将每个风险等位基因的等位OR的自然对数加在一起[78]。在缺乏结合SNP风险估计的既定方法的情况下，DTC检测公司通常采用乘法模型来计算终生风险，例如，将每种基因型的or与平均人群风险相乘[82]。

    有各种累积模型结合了几种临床基因组学关联使用算术运算符的影响。在隐性模型中，只有纯合子等位基因参与模型，而在显性模型中，杂合子snp也是累积模型的一部分。在显性和隐性模型中，风险snp的值被接受为影响的一个单位。涉及单核苷酸多态性对纯合子和杂合子等位基因影响值改变的模型被定义为加性模型[35，43]。

    有些模式涉及额外的标准，例如家族史[83]。但结构化家族史并不是EHR的强制性组成部分，由于其动态特征，在每次就诊时收集和追踪患者家族史是合理的。很明显，与临床基因组学关联类似，收集和重新解释家族史对于利用这类预测模型获得有效结果至关重要。

    实际上，基因组和环境因素与疾病的分子病因有不同程度的关系。在单基因疾病(如亨廷顿氏病、苯丙酮尿症、遗传性癌症等)中，单基因突变是主要致病原因。复杂的多因素疾病的遗传起源比单基因疾病复杂得多，单基因疾病是遗传因素和环境因素复杂相互作用的结果[84]。

    基因组信息具有终身价值，一个人的基因组发现可以揭示家庭中的其他人[23]。如果发现患者有疾病相关变异，可能其他血亲也会有类似的风险，患者的医疗保健提供者可以利用这一新的临床信息[26]。这一点尤其重要，不仅从医学角度考虑，而且从安全和隐私问题考虑。


    在本系列的这一部分中，我们回顾了科学文献，以提取对集成到EMRs/ ehr中的SNP数据的要求。

    为了将结构化的基因型和表型数据整合到任何系统中，首先需要确定数据组成、术语标准和临床基因组学信息的标识符，例如，基因型数据及其相关的临床解释。此外，我们还需要诸如HL7 v2或v3之类的互操作性标准，以便在涉众之间共享信息。

    由于大量的临床相关基因组数据和快速翻译这些信息到临床领域，我们需要临床决策支持能力。为了确保这种能力，我们还需要一个不断更新的认可和结构化的知识库，以及解释这些基因组变异的评估方法。

    在本系列的下一部分中，我们将介绍我们的研究，以扩展NHIS-T处理SNP数据的能力，及其临床解释以评估个人疾病风险，并针对这些要求提出可能的解决方案。

    利益冲突

    没有宣布。

    1. 唐宁GJ。卫生系统在个性化医疗道路上的关键方面发生了变化。生物工程学报，2009;39(6):379 - 379。［CrossRef] [Medline］
    2. Arnold GL, Vockley J.彻底的现代医学。中华生物医学工程杂志，2011;31(1):1-2。［CrossRef] [Medline］
    3. 金斯伯格GS，威拉德HF。基因组和个性化医学:基础和应用。生物工程学报，2009;39(6):397 - 397。［CrossRef] [Medline］
    4. 生物医学研究人员的遗传变异分析:引物。见:遗传变异:方法和方案(分子生物学方法)。美国:人类出版社;2010.
    5. 医学。终极基因测试。科学2012年6月1日;336(6085):1110-1112。［CrossRef] [Medline］
    6. 蒲立民，蔡胜，马建涛。通用自动SNP识别系统。BMC Genomics 2011 Nov 30;12增刊3:S9 [j]免费全文] [CrossRef] [Medline］
    7. Berg JS, Khoury MJ, Evans JP。在临床实践和公共卫生中部署全基因组测序:一次一箱地迎接挑战。中华医学杂志，2011,31(6):559 - 564。［CrossRef] [Medline］
    8. schuner MT, de Vries H, Kim B, Meili RC, Olmstead SH, Teleki S.电子健康记录为基因组医学做好了准备吗?中华医学杂志2009;11(7):510-517。［CrossRef] [Medline］
    9. 刘建军，刘建军，刘建军。直接面向消费者的全基因组分析对评估疾病风险的影响。中华医学杂志[J]; 2011; 31 (6):524-534 [J]免费全文] [CrossRef] [Medline］
    10. Helgason A, Stefánsson K.直接面向消费者的基因检测的过去、现在和未来。临床神经科学对话2010;12(1):61-68 [j]免费全文] [Medline］
    11. 蔡，马。直接面向消费者的药物遗传学的现状和未来展望。中华医学杂志2012;3:152 [j]免费全文] [CrossRef] [Medline］
    12. 古拉帕里RR，德赛KV, Santana-Santos L，康德JA, Becich MJ。临床医学的下一代测序:病理学和生物医学信息学的挑战和教训。中华病毒学杂志2012;3:40 [J]免费全文] [CrossRef] [Medline］
    13. Chan IS, Ginsburg GS。个性化医疗:进步与希望。[j] .中国生物医学工程学报，2011;［CrossRef] [Medline］
    14. 李建军，李建军。基因组咨询的无用性:电子健康记录的重要作用。中华医学杂志2009;1(5):48 [j]免费全文] [CrossRef] [Medline］
    15. 电子医疗记录与电子健康记录:是的，它们是有区别的。2006网址:http://www.himssanalytics.org/docs/WP_EMR_EHR.pdf[访问日期:2013-12-03][WebCite缓存］
    16. Häyrinen K, Saranto K, Nykänen P.电子健康记录的定义、结构、内容、使用和影响:研究文献综述。中华医学杂志;2008;37(5):291-304。［CrossRef] [Medline］
    17. 医疗保健信息和管理系统协会(HIMSS)全球企业工作组。电子健康记录:全球视角，第1部分。2010网址:http://www.himss.org/files/HIMSSorg/content/files/Globalpt1-edited%20final.pdf[访问日期:2013-12-03][WebCite缓存］
    18. Beyan T, Aydın Son Y.将个人单核苷酸多态性(SNP)数据纳入国家层面的疾病风险评估电子健康记录，第2部分:将SNP纳入土耳其国家卫生信息系统。JMIR Med Inform 2014(即将出版)。［CrossRef］
    19. Beyan T, Aydın Son Y.将个人单核苷酸多态性(SNP)数据纳入国家一级疾病风险评估电子健康记录，第3部分:前列腺癌风险评估的评估。JMIR Med Inform 2014(即将出版)。［CrossRef］
    20. Röhm U，布莱克利JA。高通量基因组学数据管理。2009年在第四届创新数据系统研究双年会议上发表;艾斯洛玛尔,CA;2009年1月;Asilomar, CA, US第4-7页http://www-db.cs.wisc.edu/cidr/cidr2009/Paper_31.pdf
    21. 张建军，张建军，张建军，等。序列的下一步:全基因组测序对英国健康的影响。英国剑桥:PHG基金会;2011.
    22. Nielsen R, Paul JS, Albrechtsen A, Song YS。下一代测序数据的基因型和SNP呼叫。中国生物医学工程学报，2011;12(6):443-451 [j]免费全文] [CrossRef] [Medline］
    23. 霍夫曼。基因组电子病历。中华生物医学杂志2007;40(1):44-46 [J]免费全文] [CrossRef] [Medline］
    24. 谢世平，王晓明。转化生物信息学和医疗信息学:计算和伦理挑战。展望健康信息管理2009;6:1 [免费全文] [Medline］
    25. Jacob HJ, Abrams K, Bick DP, Brodie K, Dimmock DP, Farrell M，等。临床实践中的基因组学:来自第一线的教训。中国科学(英文版);2013;5(6):394 - 395。［CrossRef] [Medline］
    26. Aronson SJ, Clark EH, Varugheese M, Baxter S, Babb LJ, Rehm HL。传播关于先前报道的遗传变异的新知识。基因医学2012年4月5日[免费全文] [CrossRef] [Medline］
    27. 卡恩SD。基因组数据的未来。Science 2011年2月11日;331(6018):728-729。［CrossRef] [Medline］
    28. 张建军，张建军，张建军，等。生物信息学研究进展。2012。跨越经济鸿沟:将经济数据集成到EHR URL中http://knowledge.amia.org/amia-55142-tbi2012a-1.649213/t-003-1.649838/f-001-1.649839/a-017-1.649846/an-017-1.649847?qr=1[2014-07-18访问][WebCite缓存］
    29. Masys DR, Jarvik GP, Abernethy NF, Anderson NR, Papanicolaou GJ, Paltoo DN等。将基因组数据整合到电子健康记录中的技术需求。中华生物医学杂志;2012;45(3):419-422 [J]免费全文] [CrossRef] [Medline］
    30. Green RC, Rehm HL, Kohane IS。临床基因组测序。In: Ginsburg GS, Willard HF，编辑。基因组和个性化医学，第二版。阿姆斯特丹，荷兰:学术出版社;2013:102 - 122。
    31. 李建军，李建军，李建军，李建军。将个性化基因序列变异、分子遗传学知识和健康知识整合到基于护理记录连续性标准的电子病历原型中。中华生物医学杂志，2012;45(1):82-92 [J]免费全文] [CrossRef] [Medline］
    32. Gerhard GS, Carey DJ, Steele Jr GD。基因组医学中的电子健康记录。见:基因组和个性化医学，第二版。阿姆斯特丹，荷兰:学术出版社;2013:287 - 294。
    33. Thomas PE, Klinger R, Furlong LI, Hofmann-Apitius M, Friedrich CM。人类单核苷酸多态性与唯一数据库标识符关联的挑战。生物信息学(英文版);2011;12免费全文] [CrossRef] [Medline］
    34. Auranen A, Song H, Waterfall C, Dicioccio RA, Kuschel B, Kjaer SK，等。DNA修复基因多态性与上皮性卵巢癌风险。国际癌症杂志，2005,11(4):611-618。［CrossRef] [Medline］
    35. Attia J, Ioannidis JP, Thakkinstian A, McEvoy M, Scott RJ, Minelli C，等。如何使用一篇关于遗传关联的文章:答:背景概念。中国医学杂志2009年1月7日;31(1):74-81。［CrossRef] [Medline］
    36. Ullman-Cullere MH, Mathew JP。个性化医疗电子健康记录中基因组学的新兴景观。植物学报，2011,32(5):512-516。［CrossRef] [Medline］
    37. 李建军，张建军。基于RefSeq信息的临床生物信息学本体研究。生物工程学报，2005:139-150。［Medline］
    38. Hoffman MA, Williams MS.电子医疗记录和个性化医疗。中国生物医学工程学报，2011,30(1):33-39。［CrossRef] [Medline］
    39. Zafar A, Ezat WP S. ICD的发展:变化与挑战。BMC Health Serv Res 2012;12(增刊1):8。［CrossRef］
    40. 新疾病分类发展框架委员会，国家研究委员会。迈向精准医学:建立生物医学研究的知识网络和新的疾病分类。美国:国家科学院出版社;2011.
    41. Attia J, Ioannidis JP, Thakkinstian A, McEvoy M, Scott RJ, Minelli C，等。如何使用一篇关于遗传关联的文章? B:研究结果有效吗?美国医学杂志2009年1月14日;301(2):191-197。［CrossRef] [Medline］
    42. Van Allen EM, Wagle N, Levy MA。癌症基因组数据的临床分析和解释。中华临床肿瘤学杂志，2013;31(15):1825-1833。［CrossRef] [Medline］
    43. Attia J, Ioannidis JP, Thakkinstian A, McEvoy M, Scott RJ, Minelli C，等。C:结果是什么?它们会帮助我照顾我的病人吗?美国医学杂志2009年1月21日;301(3):304-308。［CrossRef] [Medline］
    44. 皮尔逊助教，马诺里奥助教。如何解读全基因组关联研究。美国医学杂志2008年3月19日;299(11):1335-1344。［CrossRef] [Medline］
    45. 小J, Higgins JP, Ioannidis JP, Moher D, Gagnon F, von Elm E，加强遗传关联研究报告。加强遗传关联研究报告(STREGA): STROBE声明的延伸。PLoS Med 2009 Feb 3;6(2):e22 [j]免费全文] [CrossRef] [Medline］
    46. 公共卫生101:健康人-健康人群(基本公共卫生)。美国:Jones & Bartlett出版社;2010.
    47. Ioannidis JP, Boffetta P, Little J, O'Brien TR, Uitterlinden AG, Vineis P，等。遗传关联累积证据的评估:临时指南。国际流行病学杂志2008;37(1):120-132 [J]免费全文] [CrossRef] [Medline］
    48. 基因组，人口和疾病:民族基因组学和个性化医疗。自然学报;2010;2(4):15-30 [j]免费全文] [Medline］
    49. Benson T.健康互操作性原则HL7和SNOMED，第2版。纽约，美国:b施普林格;2012:121 - 141。
    50. Boone KW. CDA™书。伦敦:斯普林格出版社伦敦有限公司;2011:17-20。
    51. Shabo A, Ullman-Cullere M, Pochon P, Huff S, Wood G, McDonald C，等。HL7 version 2实施指南:临床基因组学;完全合格的腰部遗传变异模型，第1版(第一次信息投票)，HL7版本2。2009.URL:http://wiki.hl7.org/images/2/24/V2_CG_LOINCGENVAR_R1_I2_2009MAY.pdf[2013-11-29访问][WebCite缓存］
    52. Ribick A. Health level 7临床基因组学版本2消息传递标准实施指南成功地以电子方式传输基因组数据。2010网址:http://www.hl7.org/documentcenter/public_temp_63D90767-1C23-BA17-0C09452387FC1279/pressreleases/hl7_press_20100119.pdf[2013-11-29访问][WebCite缓存］
    53. Aronson SJ, Clark EH, Babb LJ, Baxter S, Farwell LM, Funke BH，等。GeneInsight Suite:一个支持实验室和供应商使用基于dna的基因检测的平台。植物学报，2011;32(5):532-536 [j]免费全文] [CrossRef] [Medline］
    54. 卫生专业，医学专业。编辑:奥尔森·S。将大规模基因组信息整合到临床实践:研讨会总结。美国:国家科学院出版社;2012.
    55. Shabo A.药物遗传学和药物基因组学的临床基因组学数据标准。药物基因组学2006;7(2):247-253。［CrossRef] [Medline］
    56. Shabo A, Ullman-Cullere MS. CDA第2版实施指南基因检测报告(GTR)(通用领域)试用标准草案2012年9月(开发者文档)。2012.URL:http://www.hl7.org/documentcenter/public_temp_5765BAE6-1C23-BA17-0C2BC20D21AE785C/wg/clingenomics/docs/Genetic%20Testing%20Report%20 (GTR) % 20 - % 202012.10.30.pdf[2014-04-02访问][WebCite缓存］
    57. 诗人WS。临床遗传学与人类基因组变异:2008年人类基因组变异学会科学会议。植物学报，2009,30(5):852-856。［CrossRef] [Medline］
    58. Starren J, Williams MS, Bottinger EP。跨越经济学鸿沟:经济学辅助系统的时代。美国医学杂志2013年3月27日;309(12):1237-1238 [j]免费全文] [CrossRef] [Medline］
    59. 玛丽安AJ。医学DNA测序。中华流行病学杂志;2011;26(3):175-180 [j]免费全文] [CrossRef] [Medline］
    60. Schully SD, Yu W, McCallum V, Benedicto CB, Dong LM, Wulf A，等。癌症GAMAdb:来自荟萃分析和全基因组关联研究的癌症遗传关联数据库。欧洲医学杂志，2011;19(8):928-930 [J]免费全文] [CrossRef] [Medline］
    61. 疾病控制和预防中心。GAMAdb，癌症基因组循证医学知识库。2013网址:http://www.hugenavigator.net/CancerGEMKB/caIntegratorStartPage.do[2013-11-29访问][WebCite缓存］
    62. 国家生物技术信息中心。ClinVar。2013.URL:http://www.ncbi.nlm.nih.gov/clinvar/[2013-11-29访问][WebCite缓存］
    63. 刘建军，刘建军，刘建军，等。阿尔茨海默病遗传关联研究的meta分析:AlzGene数据库。中国生物医学工程学报，2007,39(1):17-23。［CrossRef] [Medline］
    64. Lill CM, Roehr JT, McQueen MB, Kavvoura FK, Bagade S, Schjeide BM, 23andMe帕金森病遗传流行病学联盟，国际帕金森病基因组学联盟，帕金森病GWAS联盟等。帕金森病遗传学的综合研究概要和系统荟萃分析:PDGene数据库。科学通报，2012;8(3):e1002548 [j]免费全文] [CrossRef] [Medline］
    65. Allen NC, Bagade S, McQueen MB, Ioannidis JP, Kavvoura FK, Khoury MJ，等。精神分裂症遗传关联研究的系统荟萃分析和现场综述:SzGene数据库。生物医学工程学报，2008;40(7):827-834。［CrossRef] [Medline］
    66. SNPedia:一个支持个人基因组注释、解释和分析的wiki。核酸学报，2012;40(数据库版):D1308-D1312 [j]免费全文] [CrossRef] [Medline］
    67. Whirl-Carrillo M, McDonagh EM, Hebert JM, Gong L, Sangkuhl K, Thorn CF，等。个性化医疗的药物基因组学知识。中华临床医学杂志，2012;32 (4):414-417 [j]免费全文] [CrossRef] [Medline］
    68. 刘建军，刘建军，刘建军。一个国家临床决策支持基础设施，使基因组和个性化医疗的广泛和一致的实践。中华医学杂志2009;9:17 [j]免费全文] [CrossRef] [Medline］
    69. Ball MP, Thakuria JV, Zaranek AW, Clegg T, Rosenbaum AM, Wu X等。促进基因组临床应用的公共资源。中国科学:自然科学学报，2012;109(30):11920-11927 [j]免费全文] [CrossRef] [Medline］
    70. Welch BM, Kawamoto K.基因引导的个性化医疗的临床决策支持:系统综述。中华医学杂志，2013;20(2):388- 394 [J]免费全文] [CrossRef] [Medline］
    71. 麦克莱伦MB, McGinnis JM, Nabel EG, Olsen LM，医学研究所。循证医学和医疗保健性质的变化:2007年国际医学学会年会总结。华盛顿特区:国家科学院出版社;2008.
    72. mr . b .， Stahl EA .， Raj T.人类复杂性状遗传学全基因组关联研究的进展与前景。遗传学2011年2月;187(2):367-383 [免费全文] [CrossRef] [Medline］
    73. 王晓明，王晓明，王晓明，等。基因检测在常见复杂疾病诊断中的应用。中华医学杂志，2014;16(1):85-91 [j]免费全文] [CrossRef] [Medline］
    74. Lautenbach DM, Christensen KD, Sparks JA, Green RC。基因组医学时代常见疾病的遗传风险信息交流。中国生物医学工程学报(英文版)，2013;［CrossRef] [Medline］
    75. Manolio助教。全基因组关联研究和疾病风险评估。中华医学杂志，2010,31(2):366 - 366。［CrossRef] [Medline］
    76. 李建军，李建军，李建军，等。前列腺癌风险评估中的多基因面板，证据报告第209号。Rockville, MD: AHRQ出版物No.12-E020-EF;2012年7月http://www.effectivehealthcare.ahrq.gov/ehc/products/388/1171/EvidenceReport209_multigenepanels_FinalReport_20120629.pdf［WebCite缓存］
    77. 雷是副总统，戈达德是副总理，维舍尔是副总理。基于全基因组关联研究的个体疾病遗传风险预测。基因工程学报2007;17(10):1520-1528 [j]免费全文] [CrossRef] [Medline］
    78. Evans DM, Visscher PM, Wray NR.利用全基因组关联研究中的信息来提高复杂疾病风险的个体预测。植物学报2009年9月15日;18(18):3525-3531 [j]免费全文] [CrossRef] [Medline］
    79. 乔斯汀·L，巴雷特·JC。复杂疾病的遗传风险预测。生物医学通报，2011,30 (2):1182 - 1188 [j]。免费全文] [CrossRef] [Medline］
    80. 吴健，王志强，王晓明。基于基因组关联研究的预测模型构建策略。遗传流行病学杂志，2013,37(8):768-777。［CrossRef] [Medline］
    81. 雷是副总统，戈达德是副总理，维舍尔是副总理。预测复杂疾病的个体遗传风险。当前信息技术发展2008;18(3):257-263。［CrossRef] [Medline］
    82. Nusbaum R, Leventhal KG, Hooker GW, Peshkin BN, Butrick M, Salehizadeh Y等。翻译基因组研究:结肠癌风险SNP检测后的方案开发和初步结果。中华医学杂志，2013;3(1):17-29 [j]免费全文] [CrossRef] [Medline］
    83. 郑绍林，孙军，Wiklund F, Smith S, Stattin P，李光，等。五种基因变异与前列腺癌的累积关联。中华医学杂志，2008,28(9):991 - 991。［CrossRef] [Medline］
    84. Janssens AC, van Duijn CM。常见病基因组预测:进展与展望中国生物医学工程学报，2008;17(2):1666 - 1673 [j]免费全文] [CrossRef] [Medline］

    ‎
    国会预算办公室:临床生物信息学本体
    CDA:临床文献架构
    dbSNP:单核苷酸多态性数据库
    背景:脱氧核糖核酸
    直接转矩:直接面向消费者
    电子健康档案:电子健康记录
    EMR:电子病历
    GWAS:全基因组关联研究
    HL7:健康等级7
    HL7需:HL7 version 2.x
    HL7 v3:HL7版本3
    HL7 CG:健康等级7临床基因组学
    ICD:国际疾病分类
    LOINC:逻辑观测标识名称和代码
    NCBI:国家生物技术信息中心
    门店:下一代测序
    NHIS-T:土耳其国家卫生信息系统
    或者:优势比
    网页:药物基因组学知识库
    边缘:参考信息模型
    rsID:参考SNP标识符
    rs号码:参考SNP号
    snom):系统化医学命名法
    SNOMED-CT:医学临床术语系统化命名
    SNP:单核苷酸多态性
    韦斯:全外显子组测序
    工作组:工作小组
    WGS:全基因组测序

    G·艾森巴赫编辑;提交08.12.13;由W·哈蒙德，A·詹姆斯同行评审;对作者的评论31.12.13;收到修订版本25.05.14;接受02.07.14;发表24.07.14

    版权

    ©Timur Beyan, ye Aydın Son。最初发表于JMIR医学信息学(http://medinform.www.mybigtv.com)， 2014年7月24日。

    这是一篇在知识共享署名许可(http://creativecommons.org/licenses/by/2.0/)条款下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品(首次发表在JMIR Medical Informatics上)被适当引用。必须包括完整的书目信息，到http://medinform.www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map