ATRI LIMS:一种用于生物标志物驱动的阿尔茨海默病临床试验的云原生开源实验室信息管理系统

《JAMIA Open》:ATRI LIMS: a cloud-native open-source laboratory information management system for biomarker-driven Alzheimer’s disease clinical trials

【字体: 大 中 小 】 时间:2026年10月11日 来源:JAMIA Open 4.7

编辑推荐:

  目的:本文总结了ATRI实验室信息管理系统(LIMS)的架构、设计原则和实施策略。该系统是一个云原生、开源的平台,用于支持生物标志物驱动的阿尔茨海默病(AD)临床研究。该系统解决了在多中心研究中管理大规模、多模式生物标志物和生物样本库数据所面临的挑战。 方法

  
目的:本文总结了ATRI实验室信息管理系统(LIMS)的架构、设计原则和实施策略。该系统是一个云原生、开源的平台,用于支持生物标志物驱动的阿尔茨海默病(AD)临床研究。该系统解决了在多中心研究中管理大规模、多模式生物标志物和生物样本库数据所面临的挑战。

方法:ATRI LIMS采用基于Django实现的模型-视图-控制器(MVC)架构,前端使用ReactJS构建单页应用(SPA)界面。混合数据库模型将规范化核心模式与研究特异性扩展相结合。系统部署在Amazon Web Services(AWS)上,集成了多因素认证、加密和Web应用防火墙。通过审计追踪和电子签名提供法规符合性支持。开发过程依赖信息学工程师与实验室人员的协作,用户验收测试指导工作流程和界面的优化。

结果:截至2026年2月,ATRI LIMS支持7项临床试验和观察性研究,管理超过120万个生物样本。该平台将生物样本元数据和分析输出与临床数据集同步,通过自动化工作流程和质量控制提高运营效率,并促进符合规范的样本共享以支持二次研究。AI辅助开发在保持代码质量的同时加速了功能交付。

讨论:ATRI LIMS为生物标志物密集型AD研究提供了一个可扩展、适应性强的信息学框架。其模块化设计、云原生架构和全面的数据管理能力支持准确的样本追踪和协调的数据集成。计划进行开源发布,以促进其他研究项目的采用和改编。

结论:ATRI LIMS通过实现可扩展、高效且合规的生物标志物和生物样本工作流程管理,增强了现代AD研究的信息学基础设施。

面向非专业读者的简明摘要:阿尔茨海默病研究越来越依赖于生物标志物——即血液或脊髓液中的可测量物质,可显示疾病是否存在及其进展程度。进行这些测量意味着需要收集、运输、处理和储存大量样本,并确保每一个样本都可靠地与其提供者的健康信息相关联。研究人员描述了在阿尔茨海默治疗研究所构建的一个计算机系统来管理这项工作。该系统被称为实验室信息管理系统,它追踪每一个样本从诊所采集、冷冻储存到实验室分析的整个过程,然后自动将所得测量结果发送到保存参与者临床数据的系统中。这使得研究团队能够快速确认某人是否有资格参加试验、监测参与者安全性,并与其他研究人员共享样本。该系统运行在云计算基础设施上,因此可随着研究的增长而扩展,并且满足临床试验所需的监管标准——在这些试验中,准确的样本追踪、及时的生物标志物结果以及可靠的数据连接对于筛选、入组、安全监测和研究结局至关重要。截至2026年2月,该系统已支持7项研究和超过120万个样本,并通过自动检查及早发现可纠正的问题。研究人员计划公开该软件,以便其他研究项目能够使用和调整。
ATRI LIMS(实验室信息管理系统)是为应对生物标志物驱动的阿尔茨海默病(AD)临床试验中日益复杂的实验室、运营和信息学挑战而开发的云原生开源平台。随着AD治疗进入疾病修饰时代,临床试验越来越依赖脑脊液(CSF)、血浆生物标志物、淀粉样蛋白正电子发射断层扫描(PET)和tau PET等生物标志物来确认病理生理并确定生物学入选资格。这种转变带来了大规模、多模式生物标志物和生物样本数据的管理难题。单个III期试验可产生约10000至50000个生物标志物数据点,涵盖多种检测平台和时间点。尽管ATRI生物样本核心设施拥有高达1157万个生物样本的存储能力,但在过去十年中,其实施的多种商业和开源LIMS均无法提供所需的灵活性、可扩展性和互操作性,普遍存在架构僵化、成本高昂、仪器集成不足、供应商锁定、用户界面陈旧以及机构间协作支持有限等问题。这些限制促使研究人员开发了与ATRI综合生物标志物、生物样本库和临床研究工作流程相一致的自定义研究级LIMS。

研究人员采用模型-视图-控制器(MVC)架构,使用Django框架实现模型层和控制器层,使用ReactJS构建单页应用(SPA)界面。系统采用混合数据库模型,将规范化核心模式与研究特异性扩展相结合,部署在Amazon Web Services(AWS)上,利用Elastic Beanstalk实现弹性扩展、Amazon S3进行对象存储、Amazon Aurora PostgreSQL进行关系数据管理。安全性方面实施多因素认证、传输和静态加密、Web应用防火墙以及多区域灾难恢复策略。法规符合性方面遵循21 CFR Part 11要求,通过不可变时间戳审计日志和电子签名实现完全可追溯性。开发过程强调信息学工程师与实验室人员的密切协作,并通过用户验收测试指导界面优化。AI辅助开发工具如GitHub Copilot和Copilot CLI被整合到工程工作流中,加快了代码生成、重构、测试创建和文档编写,同时通过人工专家审查和自动化测试框架确保代码质量和法规对齐。系统通过标准化API与ATRI的电子数据采集系统、参与者登记系统和外部随机化及试验供应管理平台实现互操作,确保实时数据同步和协调工作流。

数据迁移与系统初始化方面,ATRI LIMS开发始于2023年,早期重点是实现样本库存管理。2024年初开始进行样本元数据和遗留数据集迁移,与系统功能开发并行推进,确保活跃研究运行的连续性。研究人员的团队将71台超低温冰箱、1528个搁架、19254个样本盒及分析仪器等物理基础设施系统化录入系统,实现精确样本定位和改进存储容量管理。自动对账脚本和验证工具被用于识别和解决迁移数据中的不一致性,执行业务规则并确保研究特异性配置的内部一致性。

系统部署与扩展方面,截至2026年2月,ATRI LIMS支持7个活跃项目,涵盖多中心临床试验、观察性队列和生物样本库计划。每个项目在专用混合元数据模式、工作流规范和访问控制模型下运行,新项目配置通常仅需数周即可完成。系统管理超过120万个生物样本,包括血液、CSF、血浆、血清、尿液等类型,每个样本关联详尽的元数据。动态样本库存图、实时可用性仪表板支持精确的空间追踪和前瞻性容量规划。

工作流效率与质量控制方面,自动化接收模块、无线条码扫描器支持和动态拣选列表生成减少了人工步骤和转录错误。嵌入式质量控制机制验证数据输入、执行方案特定规则,并在检测到异常值、缺失数据或工作流偏差时生成自动警报。标准化设施元数据表示支持存储位置的自动验证,便于在审计、冰箱迁移或大规模库存对账中进行快速差异解决。

可扩展性与系统性能方面,云原生部署通过AWS Elastic Beanstalk实现高吞吐期间计算资源的自动扩展而无需停机,Amazon Aurora PostgreSQL为批处理导入和EDC平台集成事件提供稳定的高性能事务支持。实时和计划导出到ATRI临床试验数据湖使实验室数据近乎连续可用于分析、报告和机器学习流程,将数据交换延迟从天级缩短至小时或分钟级。

样本与数据共享方面,系统通过标准化请求工作流、安全角色访问和合规数据交换协议,实现生物样本及关联元数据的高效筛选、定位和受控共享。截至2026年2月,已有超过2000个等分样本分发给外部研究人员用于二次研究。与参与者登记系统和EDC系统的互操作进一步整合了临床、实验室和生物样本数据。

AI辅助软件开发的影晌方面,GitHub Copilot和Copilot CLI的整合显著加速了功能实施和系统优化,促进了可维护代码、测试套件和文档的快速生成。所有AI生成建议均经过专家人工审查,确保开发速度提升不损害代码质量、法规对齐和方法严谨性。与自动化测试和验证管道相结合,这种人与AI协作的方式显著缩短了开发周期。

超出实验室运营的应用方面,LIMS与EDC系统的集成将其实用性扩展到临床协调员、监测员和研究团队。LIMS衍生的报告嵌入EDC中使利益相关方能够近实时追踪样本接收、处理状态和分析完成情况。差异管理工作流促进采集、处理和运输问题的快速识别与解决。系统还成为生物统计学家和数据科学家的重要资源,通过将样本元数据和检测来源与临床和影像数据整合到数据湖中,支持纳入处理参数、储存时长、仪器分配和仪器配置等实验室变量的分析。

讨论部分强调ATRI LIMS的主要优势在于将生物标志物驱动的临床研究方案转化为实际操作的能力,实时同步生物样本元数据、检测结果和临床信息,实现高效入选资格判定、自适应随机化策略和及时的安全监测数据访问。系统的混合数据库架构和灵活的项目配置适应多样化的方案设计、样本类型、检测平台和法规要求。云原生部署确保稳定性能和弹性扩展,模块化工作流和自动化质量控制减少人工负担和错误。系统支持合规高效的样本共享,超过10000个等分样本已分发给外部研究人员,另有超过100000个等分样本已总体发放。限制方面,系统对云基础设施的依赖可能对数据治理架构严格或IT资源有限的机构构成挑战,高度可定制性增加了维护复杂性和用户培训负担,AI工具的深入整合要求开发团队持续关注新兴法规指南。

研究结论为:ATRI LIMS代表了支持现代AD临床研究所需信息学基础设施的进步。通过模块化设计、云原生部署模式和全面的数据管理与合规框架,该系统实现了高容量多模式生物标志物和生物样本工作流的可扩展管理。与临床、影像和管理系统的无缝互操作提供实时跨平台数据流,增强了生物标志物试验中的入选评估、安全监测和协调研究运营。AI辅助开发工具的整合加速了功能实施,同时保持代码质量、可重现性和法规对齐。该平台为其他神经退行性疾病项目和大型研究网络提供了可扩展的生物样本中心信息学基础设施框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号