2. 临床转化场景与数据需求分析

多组学临床转化平台的建设，第一步不是选数据库、也不是搭流水线，而是把“临床到底要什么”翻译成“数据规格是什么”。同一个肿瘤样本，用于精准诊断时可能只需要肿瘤突变负荷与关键驱动基因；用于预后评估时则需要表达谱、甲基化、免疫浸润等多层信息；用于用药指导时又必须把变异位点、药物证据等级、通路敏感性串起来。场景不同，数据对象、字段粒度、更新频率、质控门槛都会变化。本节按四类典型临床任务梳理其数据需求，并给出可落地的规格描述方法。

四类临床任务的核心差异

精准诊断回答“这是什么病、属于哪个分子亚型”。它的数据需求偏向定性明确、可复核：样本类型（FFPE/新鲜冻存/外周血）、肿瘤细胞含量、测序深度、变异检出限、参考基因组版本、亚型判定规则。例如胶质瘤的IDH突变与1p/19q共缺失状态，直接决定分子分型，因此要求覆盖IDH1/2热点区并具备拷贝数分析能力，肿瘤细胞含量通常需≥20%才能可靠判定缺失。

预后评估回答“未来复发或生存风险有多高”。它依赖可量化的连续特征：风险评分、表达特征、甲基化分型、免疫微环境比例。这类任务对批次效应敏感，要求训练集与验证集使用一致的平台与归一化方法，并明确风险分层的阈值来源。

用药指导回答“该用哪类药、哪些药可能无效”。它需要把变异—药物—证据等级三者关联：基因、变异类型（SNV/CNV/融合）、用药分级（如OncoKB的Level 1/2/3A）、获批适应症、耐药机制。数据规格上要求变异注释版本可追溯，且能区分胚系与体系变异。

伴随诊断回答“某药是否可用于该患者，且检测方法是否合规”。它比用药指导更严格：必须绑定特定检测平台、阈值、判读标准与监管状态，数据需具备可审计的检测过程记录，包括试剂批号、质控通过标准、阴阳性对照结果。

从任务到数据规格的落地方法

把临床任务转成数据规格，建议按“任务—判读规则—最小数据集—质控阈值”四步走。以非小细胞肺癌的用药指导为例：任务是判断EGFR T790M是否阳性以决定是否使用三代TKI；判读规则要求检出限≤1%等位基因频率；最小数据集包括样本类型、肿瘤含量、测序深度、变异位点、等位基因频率、注释版本；质控阈值要求覆盖度≥500×、对照通过。这样一份规格可以直接写成平台的数据字典条目。

再以结直肠癌的预后评估为例，若采用免疫浸润评分，则最小数据集需包含RNA表达矩阵、免疫细胞解卷积方法（如CIBERSORTx）、参考签名版本、归一化方式（TPM/FPKM）。阈值不能凭空设定，必须来自训练队列的中位数或三分位，并在验证队列中确认。平台应记录阈值来源与版本，否则同一份数据在不同时间可能给出不同分层。

数据粒度与更新频率的差异

精准诊断与伴随诊断通常为“一次性判读”，数据以样本为粒度，更新频率低但要求可追溯；预后评估与用药指导则可能需要随指南更新而重新注释，数据以“样本+版本”为粒度。平台设计时应把变异注释、证据等级、阈值参数做成可版本化的配置，而不是硬编码在流程里。例如OncoKB证据等级每年更新，若平台不记录注释版本，历史报告将无法复现。

实操示例：一份可填写的数据规格卡

以下以“EGFR T790M 伴随诊断”为例，给出可直接填入平台配置的规格卡。字段值属于教学示例，实际项目需按实验室验证结果替换。

task: companion_diagnostic
gene: EGFR
variant: T790M
sample_type: FFPE 或 血浆 cfDNA
tumor_content_min: 20% (组织) / 0.5% VAF (cfDNA)
assay: 靶向 Panel，覆盖 EGFR exon 20
depth_min: 500x
lod: 1% VAF
annotation_version: OncoKB v3.12 / ClinVar 2024-05
evidence_level: Level 1 (三代TKI 获批)
qc: 阴阳性对照通过，试剂批号记录
output: 阳性/阴性/不确定，附 VAF 与覆盖度
audit: 保留原始 BAM、VCF、QC 报告

这份规格卡的价值在于：它把“临床要什么”变成了平台可校验的字段。当样本肿瘤含量不足、深度不达标或对照失败时，平台应输出“不确定”而非强行判读，这正是临床转化平台与科研分析流程的关键区别。

综上，四类任务共享同一套多组学输入，但通过判读规则、最小数据集、质控阈值和版本管理收敛到不同的输出。平台工程的核心工作，就是把这套收敛逻辑做成可配置、可审计、可版本化的数据规格，而不是为每个任务重写一套流程。