肿瘤基因检测的解读流程

从临床进入基因检测流程是入口，检测结果结合临床信息进行合理解读是出口，这一入一出之间需经历检测前临床咨询部分、实验室部分、信息分析部分、临床解读部分共四个环节。其中的第四部分临床解读部分即是根据检测结果、患者信息、医生共识综合判断，临床和遗传咨询有效衔接、充分沟通，最终出具临床解读报告。

在做成临床解读报告之前，首先需要将解读的各个环节进行明确，包括解读的步骤流程，解读的技术细节。这样才有可能真正的做到解读的规范化，使解读过程有据可依，有章可循，才能出具一份好的临床解读报告，基因检测才能更好的服务患者和临床医生。从大的框架讲，基因检测数据解读可分为三个步骤：原始数据→分析数据、基于数据库的解读→与患者个体表征/临床病例结合的解读。

1、读懂原始数据

将测序的原始序列数据（FASTQ）去除接头及低质量序列，经BWA软件比对至GRCh37/38（NCBI版本）或hg19/hg38（UCSC版本）人类基因组参考序列上，Picard 去除重复序列，使用GATK检测SNV与Indel变异，使用ANNOVAR进行变异注释。最后获得一份.vcf文件（图1）。

图1 从测序的原始序列数据到vcf文件的流程

一份vcf文件包含如下基本信息。

Chr：变异所在的染色体

Start：变异在染色体上的起始位置

End：变异在染色体上的结束位置

Ref：参考基因组的序列

Alt：检测样本基因组的序列

：变异所处参考基因的功能区（exonic，intronic，UTR3，UTR5，splicing，upstream，downstream，intergenic）（此处的exonic特指外显子编码氨基酸区，不包括外显子的UTR区）

：变异所处参考基因名称（如果是基因间，则是两侧的基因）

：非外显子区处于特定转录本中的具体位置（如果是基因间，则是距离两侧的基因的距离）

：外显子区的变异类型（frameshift insertion，frameshiftdeletion，stopgain，stoploss，nonframeshift insertion，nonframeshiftdeletion，synonymous SNV，nonsynonymous SNV），如果这一栏是一个“.”的话，就说明该变异不在外显子区

：氨基酸水平的改变（同一个基因可能具有多个转录本，氨基酸改变的位置在不同的转录本中有可能不一样）

经注释后的vcf文件还会包含如下信息：

CLINSIG：该变异在ClinVar数据库中的临床意义（Benign，Likely benign，Uncertain significance，Likelypathogenic，Pathogenic，Drug-response）

CLINDBN：该变异所引起的疾病名称

CLINACC：该变异的登记号和版本号（VariantAccession and Versions）

CLINSDB：该变异所引起疾病所在数据库名称

CLINSDB：该变异所引起疾病所在数据库中的ID

PopFreqMax：该变异人群中的最大等位基因频率

1000_All：该变异在千人基因组计划数据库中的人群等位基因频率

1000_AFR：该变异在千人基因组计划数据库中非洲人群的等位基因频率

1000_AMR：该变异在千人基因组计划数据库中美国人群的等位基因频率

1000_EAS：该变异在千人基因组计划数据库中东亚人群的等位基因频率

1000_EUR：该变异在千人基因组计划数据库中欧洲人群的等位基因频率

1000_SAS：该变异在千人基因组计划数据库中南亚人群的等位基因频率

Snp138：该变异在dbSNP数据库中的ID

Cosmic70：该变异在癌症体细胞突变数据库COSMIC中的ID

ESP6500siv2_ALL：该变异在美国国家心肺血液研究所的ESP6500数据库中的人群等位基因频率

ESP6500siv2_AA：该变异在美国国家心肺血液研究所的ESP6500数据库中的非洲裔人群等位基因频率

ESP6500siv2_EA：该变异在美国国家心肺血液研究所的ESP6500数据库中的欧洲裔人群等位基因频率

ExAC_All：该变异在ExAC数据库中的人群等位基因频率

ExAC_AFR：该变异在ExAC数据库中非洲人群的等位基因频率

ExAC_AMR：该变异在ExAC数据库中美国人群的等位基因频率

ExAC_EAS：该变异在ExAC数据库中东亚人群的等位基因频率

ExAC_FIN：该变异在ExAC数据库中芬兰人群的等位基因频率

ExAC_NFE：该变异在ExAC数据库中非芬兰欧洲人群的等位基因频率

ExAC_OTH：该变异在ExAC数据库中除已指定人群之外的人群等位基因频率

ExAC_SAS：该变异在ExAC数据库中南亚人群的等位基因频率

CG46：该变异在CG46数据库中的人群等位基因频率。CG46是由CompleteGenomics （BGI）公司对46个样本的全基因组测序而建立的数据库，截止2017年，他们已经对超过20000个样本进行了全基因组测序和分析。

ICGC_Id：国际癌症基因协作组中各研究的ID

ICGC_Occurrence：该变异在ICGC数据库中的发生情况。该栏数据结构如COCA-CN|1|187|，指中国结直肠癌的研究（），在187例患者中有1例发生突变，突变比例为

Nci60：该变异在nci60数据库中的等位基因频率。Nci60是被广泛用于药物筛选的人类60种肿瘤细胞系组合，已经进行了全外测序。随着研究的进步，美国癌症研究所NCI在2016年宣布NCI-60细胞系“退休”，PDX新模型“上任”。

Interpro_domain：InterPro算法预测的突变所处的保守结构域（）

dbscSNV_ADA_SCORE：基于adaptive boosting预测变异对剪接位点改变的可能性

dbscSNV_RF_SCORE：基于Random Forest预测变异对剪接位点改变的可能性。得分代表剪接影响的可能性大小，如果dbscSNV_ADA_SCORE和dbscSNV_RF_SCORE 得分均小于，则对剪接位点没有影响（PMID: ）。

Omim_phenotype：在OMIM数据库中该基因（不是该变异）对应的表型

QUAL：测序质量分数，计算方法为Q = -10log10(e)，可衡量碱基未正确检出的概率。

FILTER：对变异位点做进一步的过滤。无论你用什么方法对变异位点进行过滤，过滤完了之后，在FILTER一栏都会留下过滤记录，如果是通过了过滤标准，那么这些通过标准的好的变异位点的FILTER一栏就会注释一个PASS，如果没有通过过滤，就会在FILTER这一栏提示除了PASS的其他信息（other FILTER flag）。如果这一栏是一个“.”的话，就说明没有进行过任何过滤

INFO&FORMAT：该栏数据结构

GT:AD:AF:ALT_F1R2:ALT_F2R1:FOXOG:QSS:REF_F1R2:REF_F2R1。GT：基因型，对于一个二倍体生物，0表示跟REF一样，1表示表示跟Alt一样；2表示第二个Alt；AD：对应两个以逗号隔开的值，这两个值分别表示覆盖到REF和Alt碱基