《Nature Communications》：The Knowledge Connector decision support system for multiomics-based precision oncology
编辑推荐：
本研究针对精准肿瘤学中多组学数据解读标准化不足的挑战，开发了知识连接器（Knowledge Connector, KC）决策支持系统。该系统整合患者分子与临床数据，通过“临床知识块（BoCK）”关联生物标志物与治疗证据，提升分子肿瘤委员会（MTB）决策效率。实际应用表明，KC显著优化了HRD、基因融合等复杂生物标志物的可视化与临床解读，为跨机构精准医疗的可扩展性提供关键技术支撑。
随着高通量测序技术的普及，精准肿瘤学已进入多组学时代。全基因组测序（WGS）、全外显子测序（WES）、RNA测序（RNA-seq）等技术能够全面揭示肿瘤的分子特征，为个体化治疗提供依据。然而，海量数据的整合与临床解读成为新的瓶颈。分子肿瘤委员会（MTB）需要综合基因组、转录组、表观遗传等多维度信息，但不同知识库的异构性、复杂生物标志物（如突变签名、基因组不稳定性评分）的解读困难，以及临床证据匹配的复杂性，使得MTB决策过程耗时且易出现差异。如何实现标准化、可重复且高效的数据解读，成为推动精准肿瘤学广泛应用的关键问题。
为解决这一挑战，德国癌症研究中心（DKFZ）等机构的研究团队在《Nature Communications》发表了题为“The Knowledge Connector decision support system for multiomics-based precision oncology”的研究，开发了知识连接器（KC）系统。该系统通过结构化整合多组学数据与临床知识，支持MTB从数据整理、生物标志物注释到治疗建议生成的全流程，显著提升了临床决策的质量与效率。
关键技术方法
研究利用MASTER（Molecularly Aided Stratification for Tumor Eradication Research）项目的268例患者队列，整合WGS/WES、RNA-seq、DNA甲基化数据。KC通过REST API连接临床数据库与外部知识库（如OncoKB、CIViC），采用BoCK（Blocks of Clinical Knowledge）模型标准化生物标志物-治疗关联证据。系统前端基于Java/Jakarta Server Faces开发，支持Arriba基因融合检测、YAPSA突变签名分析等工具的可视化输出。
KC系统的功能架构与临床整合
KC系统通过导航栏分模块支持MTB准备流程：包括整合生物标志物（如TMB、HRD评分）、单基因层面分子标志物、药物基因组信息、治疗建议生成及MTB汇报。左侧面板展示患者临床元数据，主界面动态显示分子数据与知识库关联结果。其核心创新在于引入BoCK概念，将生物标志物、肿瘤类型、药物及临床证据封装为可复用知识单元，存储于跨机构共享的BoCKbase数据库中。
复杂生物标志物的可视化与解读
以同源重组缺陷（HRD）为例，KC同步展示基因组不稳定性参数（LOH-HRD评分、LSTs、TAI）和突变签名暴露度。一例甲状腺未分化癌患者中，HRD特征通过签名3（Signature 3）和基因组不稳定性评分同时检测到，提示PARP抑制剂（如Olaparib）潜在敏感性，进而匹配至相关临床试验（NCT03127215）。
基因融合的结构化解析
KC整合基因组结构变异（SV）与RNA-seq融合转录本数据。在腮腺癌病例中，AGK::BRAF融合经Arriba可视化展示断点位置、阅读框及激酶域保留情况。系统自动关联BoCKs证据：临床前研究（mEL 3）显示MEK抑制剂Trametinib有效，个案报告（mEL 2C）证实Sorafenib或Cobimetinib的临床响应，为MTB推荐提供分层证据。
表达生物标志物与临床试验匹配
KC支持mRNA表达秩次分析：一例纵隔非精原细胞瘤显示CLDN6表达显著上调（2193倍，秩次1），匹配至CLDN6-CAR-T细胞试验（NCT04503278）；另一例尤文肉瘤中PRAME过表达（210倍）联合HLA分型结果，提示细胞免疫治疗潜力。系统通过BoCKs关联证据等级（mEL 1C至4），优化临床试验入组筛选。
临床决策流程的标准化提升
KC将治疗建议生成分为三步：生物标志物关联干预措施、临床试验匹配、MTB汇报与优先级排序。用户调查（n=15）显示，KC提升数据整理效率（73%用户认可），加速MTB讨论与文档化。实际应用中，268例患者中90.7%生成治疗建议（中位数3项/人），56.3%匹配至分子分层临床试验，BoCK复用率随案例积累显著增长。
结论与展望
KC系统通过可扩展的BoCK知识模型与多组学数据整合，解决了精准肿瘤学中证据解读标准化与效率的核心问题。其技术无关性设计允许适配新兴检测方法（如磷酸化蛋白质组、数字病理），而跨机构共享的BoCKbase促进了临床共识的形成。未来需进一步链接电子健康记录（EHR）与疗效数据，构建闭环学习系统。KC的实践证实，结构化决策支持工具是实现精准肿瘤学规模化应用的关键基础设施。
