Variomes：支持基因组变异筛选的高召回率搜索引擎

《Bioinformatics》2022

Variomes：

https://candy.hesge.ch/Variomes

Source code：

https://github.com/variomes/sibtm-variomes

SynVar：

https://goldorak.hesge.ch/synvar

文章摘要（Abstract）

动机（Motivation）：识别和解释临床可操作的基因组变异是一个关键瓶颈。根据ASCO/AMP/CAP实践指南，搜索文献中的证据是必要的，但这项工作既耗时又容易出错。作者开发了一个系统，用于筛选与支持基于证据的决策相关的出版物，并且该系统还能对变异进行优先级排序。

结果（Results）：通过三种不同的实验设置评估系统搜索效果：文献筛选、变异优先级排序和将Variomes与LitVar进行比较。结果显示，几乎三分之二的前五篇返回的出版物与临床决策支持相关。该方法能够在前三个结果中识别出81.8%的临床可操作变异。在对803个查询进行测试时，Variomes平均检索到比LitVar多21.3%的文章，并在90%的查询中返回与LitVar相同或更多的结果，从而为搜索有关变异的文献建立了新的基准。

可用性和实现（Availability and implementation）：Variomes公开可用，源代码也可在GitHub获取，链接已放在文章开头。

引言（Introduction）

文章讨论了个性化医学的进步，使得能够选择针对特定肿瘤变异的治疗方法。基于肿瘤的分子谱和临床信息，可以更好地确定可能带来有利反应的治疗。

临床专家在生物信息学工具的帮助下，负责确定哪些变异是可操作的，即可能带来更好或更差的预后和治疗反应。

然而，手动筛选科学出版物存在挑战，如出版物数量庞大且不断增长，信息隐藏在非结构化文本中。

材料和方法（Materials and methods）

作者介绍了系统架构，包括使用的科学文献集合、术语标准化、查询处理和排名策略；
这些方法的结合使得Variomes能够高效地检索和排序与基因组变异相关的科学文献，支持临床决策和变体的解释工作；
描述了实验评估设置，包括文献筛选、变异优先级排序和与LitVar的比较。

（1）数据处理：

使用医学术语对文献集合进行预处理，以提高匹配用户信息请求的效率和召回率。预处理包括将文档和注释加载到MongoDB中，并在ElasticSearch中建立索引。

（2）查询处理：

用户查询时，系统自动处理关键词，将其映射到医学术语，并使用专门的变体扩展系统（如SynVar）来扩展遗传变异。

（3）排名策略：

系统采用两步查询系统：首先聚焦于召回率，收集与特定案例相关的大量文档；其次聚焦于精确度，对文档集合进行适当排名。

（4）文献集合的使用：

MEDLINE的摘要、PubMed Central的全文文章和ClinicalTrials.gov的临床试验数据。

（5）变体名称标准化：

由于变体名称在文献中可能以多种形式出现，使用特定的命名实体识别工具来标准化变体名称至关重要。

（6）搜索算法：

系统生成包含三个“必须”子句（针对变体、基因、诊断）的Elasticsearch查询，以及至少一个“应该”子句，以增加灵活性

（7）结果合并：

通过线性组合策略合并不同查询的结果，以提高搜索效果。

（8）性能调优：

使用TREC基准进行直接搜索，通过优化排名函数来调整系统性能，使用R-Prec、P5和infNDCG等指标。

（9）用户界面和API：

提供用户友好的界面和APIs，允许用户检索和操作数据

（10）集成到SVIP平台

Variomes服务集成到了SVIP（Swiss Variant Interpretation Platform）平台，这是一个瑞士的临床验证变体注释的国家存储库。

（11）错误分析与反馈系统：

进行了错误分析，以理解VarChat和LitVar的不同优势，并实现了用户反馈系统，以收集用户评价和改进建议。

结果和讨论（Results and discussion）

系统调整基于五个步骤，包括约束放松策略、命名实体类型密度、人口统计学一致性、预定义关键词的评分以及所有策略的线性组合。

实验设置1（文献筛选）显示，系统在前五篇返回的摘要中，有近三分之二被判断为相关。

实验设置2（变异优先级排序）显示，P5（前五个结果中的精确度）为25%，R-Prec（R-Precision）为71.4%。

实验设置3（与LitVar的比较）显示，Variomes在检索到的文章数量上优于LitVar，并且具有更低的无结果查询比例。