От данных секвенирования к пониманию болезни: как врачу обработать NGS-данные пациента на своем компьютере

Введение. Современный врач вынужден становиться специалистом широкого профиля, сочетая глубокие медицинские знания с техническими компетенциями. Доступность геномных исследований за последние десятилетия резко возросла, однако, для полной их интеграции в медицинскую практику еще существует много препятствий. Учитывая лавинообразный рост новых знаний об ассоциациях геномных данных с болезнями человека, может возникнуть медицинская потребность их самостоятельного анализа для назначения дополнительных медико-генетических исследований, особенно, когда у пациента уже есть полученные ранее NGS-данные (например, экзома).

Цель. Разработать и предоставить детализированное руководство по проведению самостоятельного биоинформатического анализа NGS-данных пациента.

Материалы и методы. Исходными данными являются примеры файлов NGS-данных, предоставляемые пациенту после проведения медико-генетического исследования. Используются реализации как известных, так и самостоятельно разра­ботанных программных алгоритмов выравнивания по референсному геному, обнаружения вариантов, их фильтрации по заданным критериям качества, генам (и их транскриптам) и оценки влияния на здоровье.

Результаты. Разработан общий алгоритм и программный биоинформационный конвейер обработки и анализа данных секвенирования с использованием команд интерфейса Linux, docker-контейнеров известных биоинформатических инстру­ментов bwa, gatk, samtools, bcftools, программ R на основе пакетов проекта Bioconductor и собственных разработок. Этот алгоритм позволяет медицинскому специалисту самостоятельно получать и интерпретировать варианты генетических последовательностей из NGS-данных пациентов.

Выводы. Полученная с помощью этого конвейера информация может служить основой для дальнейших работ по диагно­стике наследственных заболеваний, персонализированной медицине и фармакогенетике. Использование предложенного алгоритма позволяет достичь поставленных целей и получить на персональных компьютерах варианты геномной последова­тельности (экзома) пациента, пригодные для последующего анализа и интерпретации. Предполагается, что компьютер врача сможет справиться с подобной задачей за разумное время, обеспечивая надежную и воспроизводимую обработку данных.

1. Vicente AM, Ballensiefen W, Jönsson JI. How personalised medicine will transform healthcare by 2030: the ICPerMed vision. J Transl Med. 2020;18(1):180. https://doi.org/10.1186/s12967-020-02316-w.

2. Khan A, Barapatre AR, Babar N, Doshi J, Ghaly M, Patel KG et al. Genomic medicine and personalized treatment: a narrative review. Ann Med Surg. 2025;87(3):1406–1414. https://doi.org/10.1097/MS9.0000000000002965.

3. Desmond-Hellmann S. Toward precision medicine: a new social contract? Sci Transl Med. 2012;4(129):129ed3. https://doi.org/10.1126/scitranslmed.3003473.

4. Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med. 2015;372(9):793–795. https://doi.org/10.1056/NEJMp1500523.

5. Manolio TA, Narula J, Bult CJ, Chisholm RL, Deverka PA, Ginsburg GS et al. Genomic medicine year in review: 2023. Am J Hum Genet. 2023;110(12):1992–1995. https://doi.org/10.1016/j.ajhg.2023.11.001.

6. Beg A, Parveen R. Role of bioinformatics in cancer research and drug development. In: Translational Bioinformatics in Healthcare and Medicine. Elsevier. 2021;141–148. https://doi.org/10.1016/b978-0-323-89824-9.00011-2.

7. Attwood TK, Blackford S, Brazas MD, Davies A, Schneider MV. A global perspective on evolving bioinformatics and data science training needs. Brief Bioinform. 2019;20(2):398–404. https://doi.org/10.1093/bib/bbx100.

8. Chatterjee A, Ahn A, Rodger EJ, Stockwell PA, Eccles MR. A guide for designing and analyzing RNA-Seq data. In: Raghavachari N, Garcia-Reyero N, eds. Gene Expression Analysis. Methods MolBio. 2018;1783:35–80. https://doi.org/10.1007/978-1-4939-7834-2_3.

9. Kolanu ND. CRISPR-Cas9 Gene Editing: Curing Genetic Diseases by Inherited Epigenetic Modifications. Glob Med Genet. 2024;11(1):113–122. https://doi.org/10.1055/s-0044-1785234.

10. Hu T, Chitnis N, Monos D, Dinh A. Next-generation sequencing technologies: An overview. Hum Immunol. 2021;82(11):801–811. https://doi.org/10.1016/j.humimm.2021.02.012.

11. Toriello HV, Smith SD. Hereditary Hearing Loss and Its Syndromes. 3rd ed. Oxford University Press; 2013. Available at: https://global.oup.com/academic/product/hereditary-hearing-loss-and-its-syndromes9780199731961?cc=ru&lang=en&.

12. Owusu Obeng A, Fei K, Levy KD, Elsey AR, Pollin TI, Ramirez AH et al. Physician-Reported Benefits and Barriers to Clinical Implementation of Genomic Medicine: A Multi-Site IGNITE-Network Survey. J Pers Med. 2018;8(3):24. https://doi.org/10.3390/jpm8030024.

13. Carroll JC, Makuwaza T, Manca DP, Sopcak N, Permaul JA, O’Brien MA et al. Primary care providers’ experiences with and perceptions of personalized genomic medicine. Can Fam Physician. 2016;62:e626–e635. Available at: https://www.cfp.ca/content/62/10/e626.

14. Campion M, Goldgar C, Hopkin RJ, Prows CA, Dasgupta S. Genomic education for the next generation of health-care providers. Genet Med. 2019;21(11):2422–2430. https://doi.org/10.1038/s41436-019-0548-4.

15. Kohzaki H. A proposal for clinical genetics (genetics in medicine) education for medical technologists and other health professionals in Japan. Front Public Health. 2014;2:128. https://doi.org/10.3389/fpubh.2014.00128.

16. Kudron EL, Deininger KM, Aquilante CL. Are Graduate Medical Trainees Prepared for the Personalized Genomic Medicine Revolution? Trainee Perspectives at One Institution. J Pers Med. 2023;13(7):1025. https://doi.org/10.3390/jpm13071025.

17. Lee-Barber J, Kulo V, Lehmann H, Hamosh A, Bodurtha J. Bioinformatics for medical students: a 5-year experience using OMIM® in medical student education. Genet Med. 2019;21(2):493–497. https://doi.org/10.1038/s41436-018-0076-7.

18. Schwartz JE, Ko P, Freed S, Safdar N, Christman M, Page R et al. Integrating an interprofessional educational exercise into required medical student clerkships – a quantitative analysis. BMC Med Educ. 2025;25(1):168. https://doi.org/10.1186/s12909-024-06499-4.

19. Hoffman JD, Thompson R, Swenson KB, Dasgupta S. Complexities of Clinical Genetics Consultation: An Interprofessional Clinical Skills Workshop. MedEdPORTAL. 2020;16:10869. https://doi.org/10.15766/mep_2374-8265.10869.

20. Kopel J, Brower GL. Perspectives on Consumer and Clinical Genetic Testing Education among Medical Students in West Texas. J Community Hosp Intern Med Perspect. 2022;12(3):28–32. https://doi.org/10.55729/2000-9666.1050.

21. Kopel J. Clinical genetic testing in medical education. Proc. 2019;32(1):165–166. https://doi.org/10.1080/08998280.2018.1528937.

22. Nightingale KP, Bishop M, Avitabile N, Simpson S, Freidoony L, Buckley S, Tatton-Brown K. Evaluation of the Master’s in Genomic Medicine framework: A national, multiprofessional program to educate health care professionals in NHS England. Genet Med. 2025;27(1):101277. https://doi.org/10.1016/j.gim.2024.101277.

23. French EL, Kader L, Young EE, Fontes JD. Physician Perception of the Importance of Medical Genetics and Genomics in Medical Education and Clinical Practice. Med Educ Online. 2023;28(1):2143920. https://doi.org/10.1080/10872981.2022.2143920.

24. McCorkell G, Nisselle A, Halton D, Bouffler SE, Patel C, Christodoulou J et al. A national education program for rapid genomics in pediatric acute care: Building workforce confidence, competence, and capability. Genet Med. 2024;26(10):101224. https://doi.org/10.1016/j.gim.2024.101224.

25. McGrath SP, Walton N, Williams MS, Kim KK, Bastola K. Are providers prepared for genomic medicine: interpretation of Direct-to-Consumer genetic testing (DTC-GT) results and genetic self-efficacy by medical professionals. BMC Health Serv Res. 2019;19(1):844. https://doi.org/10.1186/s12913-019-4679-8.

26. Sepulveda JL. Using R and Bioconductor in Clinical Genomics and Transcriptomics. J Mol Diagn. 2020;22(1):3–20. https://doi.org/10.1016/j.jmoldx.2019.08.006.

27. Kadri S, Sboner A, Sigaras A, Roy S. Containers in Bioinformatics: Applications, Practical Considerations, and Best Practices in Molecular Pathology. J Mol Diagn. 2022;24(5):442–454. https://doi.org/10.1016/j.jmoldx.2022.01.006.

28. Kang K, Yang Y, Wu Y, Luo R. Integrating Large Language Models in Bioinformatics Education for Medical Students: Opportunities and Challenges. Ann Biomed Eng. 2024;52(9):2311–2315. https://doi.org/10.1007/s10439-024-03554-5.

29. Корнеенков АА, Янов ЮК, Рязанцев СВ, Вяземская ЕЭ, Астащенко СВ, Рязанцева ЕС. Метаанализ клинических исследований в оториноларингологии. Вестник оториноларингологии. 2020;85(2):26–30. https://doi.org/10.17116/otorino20208502126.

30. Корнеенков АА, Рязанцев СВ, Вяземская ЕЭ, Будковая МА. Меры информативности диагностических медицинских технологий в оториноларингологии: вычисление и интерпретация. Российская оториноларингология. 2020;19(1):46–55. https://doi.org/10.18692/1810-4800-2020-1-46-55.

31. Корнеенков АА, Левина ЕА, Вяземская ЕЭ, Левин СВ, Скирпичников ИН. Пространственный кластерный анализ в моделировании доступности медицинской помощи пожилым пациентам с нарушениями слуха. Российская оториноларингология. 2021;20(6):8–19. https://doi.org/10.18692/1810-4800-2021-6-8-19.

32. Корнеенков АА, Рязанцев СВ, Левин СВ, Храмов АВ, Вяземская ЕЭ, Скирпичников ИН и др. Пространственно-статистический анализ данных о нарушениях слуха у жителей Челябинской области. Российская оториноларингология. 2021;20(3):39–50. https://doi.org/10.18692/1810-4800-2021-3-39-50.

33. Корнеенков АА, Янов ЮК, Вяземская ЕЭ, Медведева АЮ. Вопросы интеграции медицинских биоинформатических технологий в оториноларингологию: проблемы и программные решения. Российская оториноларингология. 2024;23(6):8–19. Режим доступа: https://www.elibrary.ru/kevooo.

34. Корнеенков АА, Янов ЮК, Дворянчиков В.В., Вяземская ЕЭ, Медведева АЮ. Медицинская биоинформатика: базовые операции с нуклеотидными последовательностями в программной среде R. Российская оториноларингология. 2025;24(4):13–27. (In Russ.) https://doi.org/10.18692/1810-4800-2025-4-13-27.

35. Taylor C. The Future of Bioinformatics. Science. 2000;8. https://doi.org/10.1126/article.63850.