AstroID: o nouă bază de date ce integrează date clinice și genetice pentru studii la scară largă asupra cancerului

Un studiu realizat la Johns Hopkins University și publicat în jurnalul Journal for ImmunoTherapy of Cancer a propus o nouă arhitectură de organizare a datelor clinice și a biospecimenelor pentru cercetarea biomedicală bazată pe volume mari de date. Cercetarea arată că utilizarea unei structuri relaționale standardizate, denumită AstroID, poate facilita integrarea datelor clinice cu rezultatele experimentale multimodale și poate accelera considerabil descoperirea biomarkerilor în oncologie și alte domenii medicale.

Idei principale

• Descoperirea biomarkerilor moderni necesită integrarea datelor clinice longitudinale cu rezultate din multiple tehnologii experimentale.
• Structurile actuale de date medicale sunt fragmentate și necesită frecvent procesare manuală și reorganizare în foi de calcul.
• Autorii au dezvoltat AstroID, o structură REDCap organizată pe șase niveluri relaționale.
• Sistemul permite conectarea datelor despre pacienți, diagnostice, tratamente și biospecimene într-o bază de date relațională interoperabilă.
• Datele pot fi exportate automat într-o bază SQL și integrate cu analize biomoleculare complexe.
• Utilizarea acestei arhitecturi reduce drastic timpul necesar analizelor biomarkerilor, de la luni la zile.

Context

Descoperirea biomarkerilor clinici a evoluat rapid în ultimele două decenii, odată cu dezvoltarea tehnologiilor de secvențiere genomică, transcriptomică și imagistică moleculară. În oncologie, aceste tehnologii permit caracterizarea detaliată a tumorilor și a microambientului tumoral, inclusiv analiza spațială a interacțiunilor dintre celulele imune și celulele tumorale.

Totuși, o provocare majoră rămâne integrarea acestor date experimentale cu informațiile clinice ale pacienților. Dosarele medicale electronice sunt organizate, în mod tradițional, sub forma unor baze de date orientate pe obiect, în care identificatorul pacientului reprezintă elementul central ce conectează diagnosticele, tratamentele și rezultatele investigațiilor. Această organizare fragmentată face dificilă corelarea rezultatelor obținute în diferite laboratoare sau în cadrul diferitelor proiecte de cercetare.

În practică, cercetătorii sunt adesea nevoiți să extragă manual informațiile clinice din multiple surse și să le reorganizeze în foi de calcul pentru a le corela cu datele generate de analizele biomoleculare. Acest proces nu este scalabil pentru studiile moderne care implică sute sau mii de pacienți și milioane sau chiar miliarde de celule analizate.

Despre studiu

Conceptul AstroID

Pentru a depăși limitările actuale ale organizării datelor biomedicale, autorii au dezvoltat o structură standardizată pentru gestionarea datelor clinice și a biospecimenelor, denumită AstroID. Aceasta este implementată în platforma REDCap și organizează informațiile într-o arhitectură relațională formată din șase niveluri ierarhice:

• pacient
• diagnostic
• eveniment clinic
• biospecimen
• bloc sau recipient biologic
• nivel de secțiune sau alicot

Această structură reflectă evoluția longitudinală a experienței clinice a pacientului și permite asocierea fiecărui specimen biologic cu momentul exact din evoluția bolii și cu tratamentele administrate.

Taxonomia de identificare a datelor

Sistemul utilizează o taxonomie standardizată pentru generarea unor identificatori anonimi ai pacienților și ai probelor biologice. De exemplu, un pacient poate avea mai multe diagnostice oncologice distincte, iar fiecare diagnostic poate fi asociat cu multiple evenimente clinice și multiple probe biologice.

Această nomenclatură ierarhică permite urmărirea precisă a originii fiecărui specimen biologic, până la nivelul unei secțiuni individuale dintr-un bloc de țesut fixat în parafină sau al unui alicot seric individual.

Integrarea cu baze de date relaționale

Datele colectate în REDCap pot fi exportate automat într-o bază de date relațională utilizând limbajul Structured Query Language (SQL). Această conversie permite integrarea datelor clinice cu o varietate de seturi de date experimentale, inclusiv:

• secvențiere genomică și transcriptomică
• analize de transcriptomică spațială
• cartografiere imunologică tumorală
• imagistică radiologică
• analize de microbiom
• analize de ADN tumoral circulant

Prin utilizarea unei baze de date relaționale, cercetătorii pot interoga simultan date clinice și experimentale complexe și pot identifica relații relevante pentru descoperirea biomarkerilor.

Mecanisme de prevenire a erorilor

Structura AstroID include multiple mecanisme de control al erorilor de introducere a datelor:

• validarea formatului datelor în REDCap
• liste predefinite de valori pentru anumite variabile
• import automat de date din dosarele medicale electronice
• verificarea automată a datelor exportate în SQL prin dicționare standardizate

Aceste mecanisme reduc semnificativ riscul de atribuire incorectă a rezultatelor experimentale unui pacient sau unei probe biologice greșite.

Rezultate

Eficiența procesării datelor

Într-un exemplu practic, exportul a 31.407 elemente de date clinice provenite de la 87 de pacienți a necesitat doar 43,7 secunde pentru conversia din REDCap în format SQL și integrarea într-o bază de date relațională.

Această eficiență permite realizarea rapidă a analizelor complexe care corelează date clinice și biomoleculare.

Exemplu de analiză biomarker

Autorii au utilizat această infrastructură pentru a analiza relația dintre proximitatea moleculară a proteinelor PD-1 și PD-L1 și răspunsul la terapia imunologică anti-PD-1 la pacienți cu melanom avansat.

Analiza a inclus:

• 52 de pacienți
• 31 milioane de celule analizate
• 26.540 câmpuri microscopice

Rezultatele au arătat că cea mai bună capacitate de predicție a răspunsului terapeutic este obținută atunci când densitatea celulelor PD-1 pozitive este evaluată la o distanță de 5–12,5 μm de celulele tumorale PD-L1 pozitive.

Analiza completă a fost realizată în aproximativ 2 zile, comparativ cu aproximativ 6 luni

Analiza spațială a microambientului tumoral

Într-un alt exemplu, autorii au analizat relația dintre diferite fenotipuri celulare din microambientul tumoral și rezultatele clinice la pacienți tratați cu imunoterapie.

Identificarea nișelor celulare CD8+FoxP3+ a necesitat:

• 4 secunde per lamă histologică utilizând baza de date relațională
• aproximativ 20 minute per lamă folosind metode tradiționale fără bază relațională

Diferența majoră de performanță demonstrează avantajele infrastructurilor relaționale pentru analiza datelor spațiale complexe.

Concluzii

Structura AstroID oferă un model scalabil pentru integrarea datelor clinice longitudinale cu seturi complexe de date biomoleculare. Organizarea datelor într-o bază relațională standardizată permite corelarea eficientă a rezultatelor experimentale cu evoluția clinică a pacienților și accelerează semnificativ procesul de descoperire a biomarkerilor.

Deși sistemul a fost dezvoltat inițial pentru cercetarea oncologică, arhitectura propusă poate fi aplicată și în alte domenii biomedicale, inclusiv în studiile asupra bolilor cronice, ale îmbătrânirii sau ale medicinei personalizate.