一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统技术方案

本发明专利技术属于生物医学和数据处理技术领域，具体涉及一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统。本发明专利技术基于PANSS量表重复测量数据，研究药物基因组检测其他SNP位点与抗精神病药物疗效的关系，并结合精神分裂症患者一般情况、疾病特征、抗精神病药物用药情况及抗精神病药物疗效相关位点构建了可应用真实世界场景下的抗精神病药物疗效预测模型，为抗精神病药物个性化用药提供更多支持，因此具有良好的实际应用之价值。值。值。

【技术实现步骤摘要】
一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统


[0001]本专利技术属于生物医学和数据处理
，具体涉及一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统。

技术介绍

[0002]公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
[0003]精神分裂症是一种常见的慢性重型精神障碍，我国人群终生患病率为5.44
‰
，其主要临床特征是认知、语言、思维、情感反应、行为等多方面精神活动异常。多数患者出现认知功能与社会功能损害，给家庭与社会带来极大的负担。抗精神病药物是精神分裂症的主要治疗方法，也用于治疗其他精神障碍的精神病症状。全世界超过1％的人口服用抗精神病药物。然而，抗精神病药物的反应存在极大的个体差异，约有30
‑
50％患者的抗精神病药物治疗效果不理想，并产生副反应。因而，识别影响抗精神病药物反应的相关因素，并针对不同的精神分裂症患者选择个性化治疗方案尤为重要。
[0004]药物从进入人体内到发挥作用直至被清除，是一个较为复杂的过程，包括药物的吸收、转运、代谢、结合、与靶分子相互作用以及清除等环节。患者对同一种药物反应方式的差异是影响药物代谢和药物作用的多种因素共同作用的结果。在这个过程中，任何一个环节出现问题都可能引起药物反应的异常。造成患者对抗精神病药物反应个体差异的原因是多方面的，许多非遗传因素可能是导致药物反应个体差异的原因，如患者的年龄、性别、疾病的发生机制和严重程度等，另一方面，抗精神病药物个体反应差异有着复杂的遗传背景，遗传因素在药物反应的个体差异中也起着重要的作用。在药物代谢动力学方面，已有大量研究表明，CYP2D6、CYP1A2等代谢酶基因及转运体基因ABCB1上的基因多态性位点与抗精神病药物血药浓度有关；而在药效动力学方面，药物基因组学研究已发现多个神经递质受体基因上的SNP位点与抗精神病药物反应有关，且部分基因位点已在独立研究中进行了验证。目前，已有第三方检验机构开始提供细胞色素P450代谢酶基因及部分抗精神病药物反应相关位点检验，为精神科医生选择治疗药物及确定给药剂量提供了有力的参考工具。然而，第三方机构选择的药物基因组检测位点通常来自基于外国人群的研究，这些基因座是否适用于中国精神分裂症人群，以及它们与抗精神病药物疗效之间的相关性在真实世界中是否真实可靠，仍缺乏研究证据。同时，现阶段药物基因组检测服务价格仍相对昂贵，药物基因组检测服务在真实世界场景下能否改善精神分裂症患者住院治疗效果，精神分裂症患者能否从中获益也需要进一步研究。此外，在抗精神病药物基因组检测服务中，其遗传信息解读多基于单个SNP位点进行用药指导，也无法综合考量多个SNP位点与抗精神病药物相互作用对抗精神病药物反应的影响，大大降低了药物基因组检测服务的临床效用。

技术实现思路

[0005]针对上述现有技术的不足，本专利技术提供一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统。本专利技术构建了回顾性精神分裂症患者临床治疗队列。基于该队列，探究了药物基因组检测其他SNP位点与抗精神病药物疗效的关系，并结合精神分裂症患者一般情况、疾病特征、抗精神病药物用药情况及抗精神病药物疗效相关位点构建了可应用真实世界场景下的抗精神病药物疗效预测模型，从而为抗精神病药物个性化用药提供更多支持。基于上述研究成果，从而完成本专利技术。
[0006]本专利技术是通过如下技术方案实现的：
[0007]本专利技术的第一个方面，提供一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统，所述系统至少包括：
[0008]获取模块，其被配置为：获取受试者相关数据信息；
[0009]数据处理模块，其被配置为：根据获取模块所获得的数据信息基于内置的预测模型，预测所述受试者的抗精神病药物疗效；所述预测模型是通过将预先采集的患者的相关数据信息采用统计算法进行模型训练后获得。
[0010]输出模块，其被配置为：根据所述数据处理模块信息，输出抗精神病药物疗效预测和/或治疗精准决策信息。
[0011]其中，所述受试者相关数据包括但不限于受试者一般情况、疾病特征、抗精神病药物用药情况及抗精神病药物疗效相关位点。
[0012]具体的，所述受试者相关数据包括但不限于年龄、性别、受教育程度、婚姻状况、吸烟情况、饮酒情况等一般人口学特征和生活习惯；患病年限、住院治疗次数、精神疾病家族史、起病特点、首发年龄等精神分裂症疾病特征；奥氮平、利培酮、氨磺必利、阿立哌唑、氯氮平、喹硫平、齐拉西酮、氟哌啶醇片、舒必利、氟哌啶醇注射液及洛沙平等抗精神病药物用药天数；丙戊酸钠、丙戊酸镁、碳酸锂、拉莫三嗪、奥卡西平等心境稳定剂用药天数；西酞普兰、米氮平、文拉法辛、氟西汀、帕罗西汀、阿戈美拉汀、氟伏沙明等抗抑郁药物用药天数；佐匹克隆、坦度螺酮、度洛西汀、奥沙西泮、劳拉西泮等抗焦虑药物用药天数；基线PANSS总分、阴性症状评分、阳性症状评分、一般精神病理评分等；量表测评时的入院天数；rs7122133、rs2344131、rs114634519、rs1800497、rs1079597、rs8059865、rs114193356、rs2372198、rs12475478、rs74810367、rs1806201、rs489693、rs6313等与利培酮、奥氮平、氨磺必利、阿立哌唑及氯氮平疗效有关的SNP位点；
[0013]更具体的，所述受试者相关数据包括但不限于基线PANSS总分、基线精神病理评分、入院天数、基线PANSS阴性分、基线PANSS阳性分、患病年限、性别、奥氮平、住院次数、利培酮、首发年龄、碳酸锂、氨磺必利、丙戊酸钠、丙戊酸镁、rs74810367、年龄、奋乃静、rs12475478、氯氮平、rs1806201、rs6313、rs1079597、婚姻状况、rs114193356、喹硫平、rs114634519、佐匹克隆、rs2372198、rs8059865、rs1800497、rs2344131、rs489693、吸烟、受教育程度、rs7122133、丁螺环酮、洛沙平、阿立哌唑、饮酒。
[0014]需要说明的是，所述预测模型中，预先采集的患者的相关数据信息与受试者相关数据相同。
[0015]在预测模型中，所述统计算法是本领域技术人员公知的。例如，学习统计分类系统包括能够适用于复杂数据集(例如，感兴趣标记物嵌板)并且基于此类数据集做出决策的机
器学习算法技术。
[0016]在一些实施方式中，使用单一学习统计分类系统例如分类树(例如，随机森林)。在其它实施方式中，也可以使用2、3、4、5、6、7、8、9、10种或更多学习统计分类系统的组合，优选以串联方式。
[0017]学习统计分类系统的实例统计学算法是学习统计学分类器系统。学习统计学分类器系统可以选自随机森林(RF)、分类和回归树(C&amp本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向真实世界的多SNP位点介导的抗精神病药物疗效预测与精准决策系统，其特征在于，所述系统至少包括：获取模块，其被配置为：获取受试者相关数据信息并进行数据处理；数据处理模块，其被配置为：根据获取模块所获得的数据信息基于内置的预测模型，预测所述受试者的抗精神病药物疗效；所述预测模型是通过将预先采集的患者的相关数据信息采用统计算法进行模型训练后获得；输出模块，其被配置为：根据所述数据处理模块信息，输出抗精神病药物疗效预测和/或治疗精准决策信息。2.如权利要求1所述的系统，其特征在于，所述受试者相关数据包括受试者一般情况、疾病特征、抗精神病药物用药情况及抗精神病药物疗效相关位点。3.如权利要求2所述的系统，其特征在于，所述受试者相关数据包括年龄、性别、受教育程度、婚姻状况、吸烟情况、饮酒情况等一般人口学特征和生活习惯；患病年限、住院治疗次数、精神疾病家族史、起病特点、首发年龄等精神分裂症疾病特征；奥氮平、利培酮、氨磺必利、阿立哌唑、氯氮平、喹硫平、齐拉西酮、氟哌啶醇片、舒必利、氟哌啶醇注射液及洛沙平等抗精神病药物用药天数；丙戊酸钠、丙戊酸镁、碳酸锂、拉莫三嗪、奥卡西平等心境稳定剂用药天数；西酞普兰、米氮平、文拉法辛、氟西汀、帕罗西汀、阿戈美拉汀、氟伏沙明等抗抑郁药物用药天数；佐匹克隆、坦度螺酮、度洛西汀、奥沙西泮、劳拉西泮等抗焦虑药物用药天数；基线PANSS总分、阴性症状评分、阳性症状评分、一般精神病理评分等；量表测评时的入院天数；rs7122133、rs2344131、rs114634519、rs1800497、rs1079597、rs8059865、rs114193356、rs2372198、rs12475478、rs74810367、rs1806201、rs489693、rs6313与利培酮、奥氮平、氨磺必利、阿立哌唑及氯氮平疗效有关的SNP位点。4.如权利要求3所述的系统，其特征在于，所述受试者相关数据包括基线PANSS总分、基线精神病理评分、入院天数、基线PANSS阴性分、基线PANSS阳性分、患病年限、性别、奥氮平、住院次数、利培酮、首发年龄、碳酸...

【专利技术属性】
技术研发人员：薛付忠，李吉庆，于天贵，
申请(专利权)人：山东大学，
类型：发明
国别省市：