基因组学分析技术因其数据量大、注释内容繁多、变异解读复杂，需要依赖专业的生信团队，这无疑提高了一线工作人员分析处理基因组数据的难度。

图1. 基因组数据分析在临床分子诊断中的费用占比持续增加

       WES、WGS等基因组学分析技术检测成本显著降低，但海量基因组数据处理、分析、解读的成本占比实则显著上升。

       JunoCloud^®基于云上集群服务器，采用负载均衡、并发计算等设计，可满足大批量基因组数据并行分析。

     JunoCloud^®系统全面整合国内外权威遗传病基因(组)数据库资源，内置全套生物信息学数据分析流程(pipeline)，可完成参考基因组比对(alignment)、变异calling、变异注释、变异过滤、变异解读及报告生成等工作，降低基因组数据分析的门槛。

图2. JunoCloud^®架构图

       目前可支持WES、CMA和CNVseq样本的数据分析。其中WES可从vcf提交分析，可展示SNV/INDEL、CNV、线粒体、ROH、复合杂合分析等结果，家系还可展示UPD结果并绘制家系图。

        后续JunoCloud^®还将上线WGS、Sanger等分析功能。

       JunoCloud^®充分融合了金诺诊断在产前诊断、儿科遗传病和生殖遗传等领域多年临床分子诊断实践积累的遗传变异分析和解读经验，具有以下六个创新点及特色：

一、表型词条标准化  

      金诺诊断自主研发的自然语言处理算法——Juno2Pheno^®:

       · 利用人工智能收集医学大数据、计算医学专业词汇的词性词频

       · 使用前缀树扫描生成有向无环图，能够准确对受检者病历信息或提交的非标准化表型信息进行分词并提炼关键词

       · 通过同义词词林、自建数据库等数据对关键词进行修饰重组

       · 最终检索并匹配到中文人类表型用语(CHPO)中的表型词条

二、基因型-表型相关性排序  

      金诺诊断自主研发——JunoSelect^®算法：

       结合包括HPO、CHPO、OMIM、Malacards等多个数据库，对疾病计算表型匹配得分，自动识别核心基因及匹配疾病，提高表型-疾病-基因匹配的准确度，高效、快速定位致病基因。

图3.表型标准化及疾病与基因关联

三、候选致病基因变异打分    

      金诺诊断自主研发的变异排序算法——GVPA算法：

       整合多个权威的临床变异数据库，包括ClinVar、HGMD、InterVar，参考ACMG权威指南并根据实际情况进行修正，利用包括千万级遗传变异的数据集进行训练和验证，完成遗传变异致病性的智能判读，准确率达95%以上。

四、可视化及灵活的数据库链接   

      金诺诊断开发的中国人群遗传变异审核性数据库——JunoDB^®：

      JunoCloud^®中可查看变异的IGV图，并且SNV和CNV可同屏展示。CNV可链接到JunoDB^®中的CNV模块，利用CNV浏览器查看其在JunoDB^®、DGV、ClinGen等数据库中的检索结果。遗传病分析中常用的数据库或工具链接均已整合到JunoCloud^®中，比如OMIM、ClinVar、ClinGen、UCSC等。

图4.SNV、CNV及ROH可视化展示

图5.JunoDB^®中的CNV模块展示

五、灵活的过滤策略

       SNV、CNV和ROH分析均设置了全面的过滤条件，方便用户根据需求快速筛选变异，过滤条件包括但不限于致病性评级、变异类型、遗传模式、遗传来源、人群频率、有害性预测等。

图6.SNV过滤面板

六、与LIMS无缝对接    

      JunoCloud^®可与LIMS实现双向数据传输，实现临床信息、表型信息、质控信息、变异信息和报告信息的互联互通，方便用户解读变异、出具报告。

      JunoCloud^®作为金诺诊断自主开发的整合型基因组学数据分析软件工具包——JunoMind^®核心工具之一，已经与JunoDB^®和JunoMaster^®深度融合，三者相辅相成，共同致力于为遗传学和基因组数据分析解读提供安全高效的解决方案。