병원 내 감염을 NGS로 검사하겠다는데 과연 저렴할까?

 오늘은 지난 3월 말에 genomeweb에 소개된 논문을 가져와 봤습니다.

기사링크: Sequencing Surveillance Improves Outbreak Detection in Hospital at 'Affordable' Costs

논문은 Methods for cost-efficient, whole genome sequencing surveillance for enhanced detection of outbreaks in a hospital setting으로 아직 정식 출판되지는 않았으나 medRxiv에 올라와 있으나 어디 좋은 출판사가 발굴해서 곧 제자리 찾아가겠죠

오늘은 gemini대신 clover-x에게만 물어봤습니다. gemini에게 써달라고 해봤자 개조식으로밖에 안써주기 때문에... 

병원 내 감염은 병원에서 발생하는 감염으로, 환자의 건강과 생명에 큰 영향을 미칩니다. 이를 예방하기 위해서는 감염을 조기에 탐지하고 신속하게 대응하는 것이 중요합니다. 최근에는 유전체 분석 기술을 이용하여 병원 내 감염을 예방하는 연구가 진행되고 있습니다.

유전체 분석 기술은 유전체 전체를 해독하는 기술로, 미생물의 유전체 정보를 분석하여 병원체의 종류, 유전적 변이, 역학적 정보 등을 파악할 수 있습니다. 이를 통해 병원 내 감염을 예방하는 방법은 다음과 같습니다.

병원체 종류 확인: 유전체 분석 기술을 통해 병원체의 유전체 정보를 분석하여 병원체의 종류를 확인할 수 있습니다. 이를 통해 어떤 종류의 병원체가 감염을 일으켰는지 파악할 수 있습니다.

유전적 변이 확인: 유전체 분석 기술을 통해 병원체의 유전적 변이를 확인할 수 있습니다. 유전적 변이는 병원체의 감염력, 독성, 내성 등에 영향을 미치기 때문에, 유전적 변이를 파악하면 병원체의 특성을 이해하고, 적절한 치료 방법을 선택할 수 있습니다.

역학적 정보 확인: 유전체 분석 기술을 통해 병원체의 역학적 정보를 확인할 수 있습니다. 역학적 정보는 병원체의 전파 경로, 감염원, 감염 시기 등을 파악하는 데 중요한 역할을 합니다. 이를 통해 병원 내 감염의 원인을 파악하고, 감염 확산을 방지할 수 있습니다.

감염 클러스터 확인: 유전체 분석 기술을 통해 감염 클러스터를 확인할 수 있습니다. 감염 클러스터는 동일한 병원체에 감염된 환자들이 모여 있는 그룹을 말합니다. 감염 클러스터를 확인하면, 해당 그룹의 환자들에게 적절한 치료와 예방 조치를 취할 수 있습니다.

전염 경로 추적: 유전체 분석 기술을 통해 전염 경로를 추적할 수 있습니다. 이를 통해 감염이 어떻게 전파되었는지 파악하고, 감염 확산을 방지할 수 있습니다.

유전체 분석 기술을 이용한 병원 내 감염 예방 연구는 아직 초기 단계이지만, 이 기술을 이용하여 주기적으로 검사를 진행하여 병원 내 감염을 예방하고, 적시에 필요한 내용을 제공하여 환자의 안전을 보호할 수 있을 것으로 기대됩니다.

제목에는 "저렴한"이 강조되어 있으나 요약 내용에는 숫자 부분이 빠져있는 것이 조금 아쉬울 따름입니다. 그래서 잠깐 언급하자면

MiSeq(32개샘플 기준)은 샘플당 $84.27, NextSeq의 경우는 48개 검채 기준으로는 샘플 당 $71.46, 96검체 기준으로는 샘당 $51.88로 예상되고 일반 외부 랩실에 맡긴다면 샘플당 $84.21 비용을 계산하고 있는데.. 이게 인건비들은 포함된것인지 살짝 갸우뚱하네요 

검사하는 주기나 얼마나 많은 샘플을 대상으로 분석 할 것인지 가이드라인을 잘 세우면 저렴하면서 효율적인 의료기관내 감염(HAI) 모니터링이 요원하지는 않을 것 같다는 생각입니다.

개인적으로 이 모델이 미래 NGS의 한 축이 되지 않을까 하는 생각도 있어서 한번 공유해보았습니다.

다음에 또 도움이 될만한 내용으로 찾아뵙도록 하겠습니다.

출처: @ye._.vely618

WGS 데이터를 활용하여 어떤 방법이 환자에게 보다 효과적인지 확인해보자

바다 건너 영국에서 진행하고 있는 WGS를 활용한 암환자들에 대한 치료 기회에 대한 내용에 대한 논문을 한번 bar..아니 gemini에게 물어봤습니다.

논문 제목은 "Insights for precision oncology from the integration of genomic and clinical data of 13,880 tumors from the 100,000 Genomes Cancer Programme"

doi: 10.1038/s41591-023-02682-0

입니다.

이번 프롬프트는 간결하게 "https://www.nature.com/articles/s41591-023-02682-0 이 연구를 하게 된 이유와 연구에 사용된 분석 방법, 그리고 결과에 대한 내용에 대해서 블로그에 게시할 수 있도록 정리해서 작성해줘" 라고 넣어봤습니다.

제목: 암 치료를 위한 개인화된 접근 방식

요약:

암은 전 세계적으로 사망 원인 1위입니다. 암 치료는 종종 화학 요법, 방사선 요법 및 수술을 포함하는 복잡한 과정입니다. 그러나 이러한 치료법은 모든 환자에게 효과적이지 않으며 종종 부작용을 유발할 수 있습니다.

연구 배경:

최근 몇 년 동안 암 치료에 대한 개인화된 접근 방식에 대한 관심이 높아졌습니다. 개인화된 치료는 환자의 특정 유전적 특성에 맞게 조정된 치료법입니다.

연구 방법:

이 연구는 100,000 게놈 프로젝트의 암 프로그램의 데이터를 사용했습니다. 이 프로젝트는 암 환자의 전체 게놈을 시퀀싱하는 것을 목표로 합니다. 연구원들은 33가지 암 유형의 13,880개 종양을 분석했습니다. 그들은 이 데이터를 실제 치료 및 결과 데이터와 연결했습니다.

연구 결과:

연구 결과는 WGS가 많은 암 유형에서 유용한 도구가 될 수 있음을 보여줍니다. WGS는 환자의 치료 반응에 영향을 미칠 수 있는 유전적 변화를 식별하는 데 사용할 수 있습니다. 이 정보는 더 개인화된 암 치료법을 개발하는 데 사용될 수 있습니다.

연구 결론:

이 연구는 WGS가 암 치료를 위한 개인화된 접근 방식을 개발하는 데 중요한 도구가 될 수 있음을 보여줍니다. WGS는 환자의 치료 반응을 예측하고 더 효과적이고 안전한 치료법을 개발하는 데 도움이 될 수 있습니다.

이 연구가 암 치료에 미치는 잠재적 영향:
- WGS는 암 치료의 성공률을 높이고 부작용을 줄이는 데 도움이 될 수 있습니다.
- WGS는 암 환자에게 더 나은 치료 옵션을 제공할 수 있습니다.
- WGS는 암 치료의 비용을 절감하는 데 도움이 될 수 있습니다.

이 연구의 한계:
이 연구는 100,000 게놈 프로젝트의 데이터를 사용했습니다. 이 데이터는 영국과 미국의 환자를 대상으로 합니다. 다른 국가의 환자에게도 WGS가 유용한 도구가 될지는 확실하지 않습니다.
이 연구는 WGS가 암 치료에 미치는 잠재적 영향을 평가했습니다. 그러나 WGS가 실제로 암 치료의 성공률을 높이고 부작용을 줄이는 데 도움이 되는지 여부는 더 많은 연구가 필요합니다.

 

개별 암종별 변이 종류에 따른 설명이 많이 생략되어 있긴하지만, 프롬프트를 잘 작성하면 필요에 맞는 내용을 잘 요약해서 정리해 줄 것으로 생각되고, 결국 깨작깨작 패널대신 걍 WGS를 하고 더불어 methylation, proteomics, RNAseq 등의 정보들도 조합하면 우리가 꿈꾸는 예후 예측이나 더 나은 환자의 치료를 제공할 수 있지 않겠냐고 잘 마무리하고 있는 논문 되겠습니다.

그리고 물론 위에 것을 하려면 아직 돈은 많이 든다. 언젠가 그렇듯이 이 또한 해결 할 수 있는 그 날이 오면 좋겠다. 라고 합니다. 

그럼 설 연휴 잘 마무리하는 걸로 :)

출처: @ye._.vely618

SAM-TB, 주인공은 나야나

결핵은 참 끊임없이 인류를 괴롭혀오는 감염병균 하나입니다.
더구나 이 녀석이 악랄한 이유는 누구에게나 동일하게 감염되는것이 아닌 개발도상국이나 저소득구간에 있는 생활환경이 그리 좋지 않은 나라나 가정에 더 잘 발병한다는 것입니다.

선진국, 다른 말로 고소득국가나 생활환경이 더 나은 곳에서 사는 사람들에게는 감염되지는 않지만 그래도 전세계가 관심있게 모니터링하고 있는 감염균중 하나일겁니다.

그래서인지 분석 Tool들이 생각보다 많이 나와있습니다.

물론 대부분 파편화되어 있었으나 최근들어 포괄적인 분석 tool들이 등장하고 있습니다.

오늘 소개하는 tool도, 이거 하나만 있어봐!!

다 할 수 있어 되겠습니다.

SAM-TB: a whole genome sequencing data analysis website for detection of Mycobacterium tuberculosis drug resistance and transmission

doi: 10.1093/bib/bbac030

이 분석 tool은 결핵균의 WGS한 데이터를 분석하는 tool이고, 약물 내성과 spoligotyping 및 NTM이라면 어떤 NTM 종인지도 구분할 수 있다. 즉 SAM-TB 하나면 결핵에 관련된 모든것을 다 확인 할 수 있습니다. 되겠습니다.

기존에 나왔었던 다양한 MTB 분석 tool들(KvarQ, PhyResSE, TGS-TB, CASTB, Mykrobe, TBProfiler, MTBseq 및 ReSeqTB-UVP)을 언급하면서 우리는 지금까지 나왔던 모든 분석 프로그램의 기능을 구현하고 있다라고 자랑하고 있고, 그런 tool을 웹에서 분석 해보실 수 있습니다. 라고 자랑하고 있습니다.

어디서? 바로 >여기<에서!!

근데 안타깝게도 오늘 (2023년 8월 29일 기준) 접속이 안되더라구요.

내일은 되길 바라겠습니다.

일단 다시 한번 중요 포인트를 짚어보자면,

MTB WGS 데이터를 사용하여
 약물 내성 변이 확인, 
 spoligotyping 확인,
 MTBC 및 NTM 확인
을 웹상에 업로드하여 분석 할 수 있다 되겠습니다만 가장 중요한 분석 사이트가 접속이 안되네요

여튼 기존에 1%씩 부족했던 기능을 가지고 있던 tool을 한 자리에 모아놨다가 가장 큰 의의일것 같습니다. 

생각보다 특이할만한 tool은 사용하지 않았고, 일반적인 NGS 분석을 해보셨다면 다뤄봤을 그런 tool들로 잘 구현했습니다.

BWA-MEM, samtools, VarScan, Kraken2와 각종 in-house script들...

사실 중요한게 약물 내성 변이의 db와 lineage, MTBC 및 NTM을 확인 할 수 있는 정보에 대한 내용이 더 잘 설명되어 있으면 좋았을텐데 그 내용은 살짝 빠져있는게 아쉬웠네요 

작년 초에 출판되었는데 벌써 웹사이트가 막히다니.. 

살짝 아쉬움을 남기고 오늘 글은 마무리하도록 하겠습니다. 

@ye._.vely618

WGS는 과연 의료비용을 낮출수 있을까

Rapid whole-genome sequencing decreases infant morbidity and cost of hospitalization

본 논문은 WGS이 의료 비용 절감과 환우의 치료에 대해 긍정적인 결과에 대한 내용을 담고 있는데 솔까말 시퀀싱 가격이 NovaSeq이 나오면서 값싸졌다고는 하지만 의료 현장에서 WGS가격이 수십만원대로 서비스할 수 있는 것은 아니지만...

환자에게 들어가는 의료 비용을 생애 전주기에 걸쳐있다는 관점으로 바라보면, 초기에 WGS를 수행해서 병의 정확한 이유를 가려내어서 알맞은 치료나 관리를 해주면 초기에 다소 비싸보이는 WGS를 하는것이 WGS를 하지 않아 적시에 필요한 치료과 관리를 하지 못했을 때 보다 전체적인 의료비용도 낮추고 환우들이나 그의 가족들에게도 물심양면적으로 긍정적인 효과가 된다는 내용 되겠습니다.

San Diego의 Rady Children 's Hospital에서 진행되고 있는 연구로 WGS데이터를 바탕으로 질병 예측과 이유의 정확도를 높여 더 나은 치료 결과를 기대 할 수 있는지를 보고자 하는 임상실험 결과 중 초기 단계의 결과입니다. 

무슨 임상실험을 2050년까지 한다는건지.. 그러나 그정도로 데이터를 쌓아놓고 확인해봐야 NGS를 의료계에서 인정하겠다라는 철저한 준비를 하겠다는 의지라고 볼 수도 있겠지만.. 30년동안 데이터 모으는 동안 또다른 혁신적인 실험기법/방법이 나오면 도루묵일수도... 여튼.. 

그래도 의료에 직접적으로 영향을 끼칠 수 있는 방법이다보니.. 

그리고 이러쿵 저러쿵 하더라도 중요한 점은 FDA 승인하에 의뤄지는 WGS기반의 진단 방법 실험 결과이고 그 결과가 "가치 있음" 이라는데에 의의가 있겠습니다.

2016년/2017년 이유를 알지 못하는 유전 질환을 앓고 있는 영아 48명 중 유전자 검사에 대해서 동의한 42명의 영아들에 대해서 (필요시 영아와 함께 부모또는 형제자매들도 검사) 유전자 검사를 진행하였습니다.

rWGS의 임상적 효과를 확인하기위해 standard test인 염색체 마이크로어레이(CMA)와 함께 진행하여 비교 한 결과, CMA방법으로는 42명 환자중 4명에 대해서 병인에 대해서 진단 할 수 있었으나, rWGS의 경우 18명(?19명?)에 대해서 병인 진단을 받았고 위양진단은 없었음을 확인하였다고 합니다. 

그리고 유전질 환을 진단받은 18명의 영아중 13명에 대해서 소위 이야기하는 정밀/ 맞춤의학이 도입되었을 때 볼수 있는 효과는 Table 2,3에 설명되어 있습니다. 물론 재현성이 있는 반복실험 결과도 없고 코호트내 인종이 caucasian, Hispanic/Latino로 편중되어 있고, n수 도 수십명으로 적어서 rWGS를 적극적으로 의료보험으로 적용시키기에는 제한적이긴 하나 rWGS가 현재 적용되고 있는 기준 방법인 CMA방법보다는 더 나은 선택지를 제공할 수 있고 그 효과는 무시할 수 없다는 근거가 이 논문을 시작으로 속속 뒷받침 해줄 것이고 원인을 명확하게 판단 할 수 없는 영유아의 유전질환 진단에서 rWGS가 조만간 단계적으로 도입되는 날이 얼마 남지 않은것 같아보입니다.

사실 이 논문의 배경은 미국이라 우리나라에는 적용하기 어려운 부분이 많아보이는데 국민건강보험기금이 화수분도 아니고 이제는 조금더 효율적으로 사용하려면 신기술에 대해서 적극적으로 검토하고 도입을 주도적으로 진행해야 적은 기금으로 효과를 극대화하고 필요한 많은 이들에게 보장을 해 줄 수 있지 않을까하는 생각을 들게하는 연구였습니다.

출처: @sana_twice.09

8개의 variant caller 통합 도구

2018년 WGS이나 WES 혹은 Target Seq을 한 후 변이를 확인 할 때 으레 GATK를 사용하는 우리들에게 감사하게도 여러개(정확히는 8개)의 변이 caller 결과를 통합해서 확인 할 수 있는 논문이 발표되었습니다.

진짜 감사할지 이름만 appreci할지...

(구글 검색결과 글쎄요... 이유가 무엇인지는 모르겠지만 오늘이 2020년 9월 12일인데 인용 횟수가 4개네요..)

목적은 NGS를 임상에 사용하려면 유효한 variant를 call해야 하는데 분석 tool마다 어떤 variant는 call하고 어떤 variant는 call하지 못하는 경우가 발생해서 그럼 여기서 나온 결과와 저기서 나온 결과 합치자!!

근데 이 작업을 할 하는데?? 이게 그렇게 쉽다고?

그렇죠 이런저런 허들이 있고 동일한 위치에 A변이와 B변이가 있다고 나왔을 때 어떤 변이를 call했다고 인정할것인가?

모 변이를 call하고 변이들을 merge하고 필터링하는 파이프라인을 개발했다는 것이 이 논문의 결론이고 민감도는 0.93-1.0, PPV는 0.65-1.0사이, 8개의 도구를 combine하였는데 caller를 줄이면 appreci8의 성능은 떨어지니깐 그러지 마세요 라고 얘기하고 있습니다.

여기서 사용하는 8개 caller들은 다들 많이들 사용하고 있는 GATK, Platypus, VarScan, LoFreq, FreeBayes, SNVer, samtools, VarDict되겠습니다.

appreci8은 여기서 docker로 제공되고 있고 분석을 한 일루미나 데이터는 여기에 위치하고 있습니다.

출처: @ye._.vely618

저쪽집이 좋지만 우리집도 잘해요, 시퀀싱

가능하면 일주일에 하나씩은 업데이트 하려고 했는데 여윽시..
그건 어려운것 같네요 ㅎㅎ
그래도 되는대로 논문읽고 일주일에 한번씩 업데이트 하는걸로 :)


오늘은 금년 6월달에 남중국과학대학에서 Scientific reports에 투고한 논문 되겠습니다.

제목은 Systematic comparison of germline variant calling pipelines cross multiple next-generation sequencers >여기를 방문하세요<

현존하는 1빠 시퀀서대비 가격도 저렴 시약도 저렴한  BGISEQ과 MGISEQ 성능 비교 테스트인데 결론은 왜 Strelka2가 적절한 분석 파이프라인으로 권장한다인지..

-일단 BGISEQ과 MGISEQ의 라이브러리 제작 및 시퀀서 방식을 뒤로하고 성능만 봅니다.
덤으로 Tianhe-2라는 슈퍼컴퓨터 자랑도 -


3개 콜러(GATK4, Strelka2, Samtools-Varscan2)를 가지고 WES, WGS를 비교해보니 WES데이터는 시퀀서 및 콜러별로 높은 일치성을 보이는 반면 WGS는 그러지 못했습니다(니들도 WGS가 WES처럼 높은 일치성을 보일거라고 생각안했잖아ㅋㅋ 어디서 약을.. 그래도 논문은 나왔기에 괜찮습니다 Orz )

Figure 1. 우리는 여러분이 가장 많이 사용하고 권장하는 콜러를 지금 있는 그대로 분석을 돌려봤습니다.

Sequencing Samples	Bases(Gbp)	Read(x106)	Clean rare	>Q20	>Q30	GC	Mean coverage
BGISEQ500-WES	29.41	294.3	0.41%	96.72%	89.14%	49.75%	328.49X
MGISEQ2000-WES	16.34	163.55	0.25%	98.18%	92.08%	49.71%	129.40X
HiSeq4000-WES	41.93	283.7	4.46%	97.36%	93.01%	50.63%	395.17X
NovaSeq-WES	25.88	178.87	2.25%	95.33%	92.67%	49.73%	241.52X
BGISEQ500-WGS	126.86	1270.02	1.76%	93.73%	83.33%	41.76%	41.03X
MGISEQ2000-WGS	137.36	1374.87	0.21%	96.17%	88.19%	41.76%	45.13X
HiSeq4000-WGS	191	1276.1	8.25%	95.90%	90.11%	41.69%	58.00X
NovaSeq-WGS	98.3	657.45	1.28%	95.89%	93.86%	41.61%	28.96X
HiSeq Xten-WGS	134	894.58	7.29%	94.50%	87.63%	40.71%	38.93X

Table 1. 우리 필요한 만큼 시퀀싱 잘 했어요

Figure 4,5 WES관련 작업 시간 및 결과 정리
Figure 6,7 WGS관련 작업 시간 및 결과 정리
(이미지 생략)

그래서 WES와 WGS를 각각 콜러의 조합에서 분석한 결과 SNP는 일관적으로 잘 call하였고 InDel은 일관적이지 못했다.
플랫폼별로 보면 SNP는 BGI플랫폼이 InDel은 일루미나 플랫폼이 더 나았다.
이거슨 시퀀싱할때 read 길이를 BGI 플랫폼과 illumina 플랫폼의 길이를 각각 100PE, 150PE로 해서 그렇다는 이유를... (그럼 왜 BGI플랫폼은 150PE로 안하고..??)

그리고 시퀀싱 뎁스 운운하는데.. 결론은 추가테스트 및 다른 분들이 더 해줬으면 하는걸로..
그리고 각 플랫폼에서 분석 툴의 성능 비교는 Strelka2가 다른 2개 분석 방법도나 나은걸로
순위를 따지자면 Strelka2 > GATK > Samtools-VarScan(SV) (모 다들 예상하셨다 싶이..)
InDel을 call하는 결과가 좀 차이가 있었는데 NovaSeq-SV에서 23개의 small variant를 call했는데반해 X-Ten-SV에서는861개의 small variant을 call했.. (BGI플랫폼은 갑자기 사라지고..)
그리고 마무리는 germline의 SNP, InDel call 능력은 높은 일치성이 있는 걸로 마무으리~

종합적으로 Strelka2가 최적의 분석 파이프 라인
응? 이거 시퀀서 비교 아니었어?
응 아니야, Strelka2 좋아요 꾹! 구독아니 github 꾹!
결국 이렇다고합니다.

이 논문의 의의는 테스트 해볼 비교 set이 생겼다는것에 ...  :)

출처: @sana_twice.09