用于遗传资源的处理的预警方法、装置、设备和介质

技术领域

本公开的实施例涉及遗传资源管理领域，并且更具体地，涉及用于遗传资源的处理的预警方法、装置、设备和计算机存储介质。

背景技术

人类遗传资源不仅是开展人类基因组生物多样性、了解人类的起源和进化的基础材料，也是研究人类遗传性疾病和许多重大疾病的物质基础。正是由于人类遗传资源的重要性，各个国家对于本国遗传资源的处理都有相关的规定。

通常，科研机构，高等学校，医疗机构或者企业在申请利用遗传资源(例如，人类遗传资源)来进行合作科学研究时，都需要向遗传资源管理机构(例如，中国科学技术部人类遗传资源管理办公室)递交申报文档，并只有在审批通过后，才能够执行相关的遗传资源研究。这样的审批将会明确所批准的遗传资源处理的范围，例如允许筛选的对象(例如，病人)的数目或允许从对象采集的样本的数目等。一旦该科研机构、高等学校、医疗机构或者企业所进行的遗传资源处理超出了所批准的范围，则可能存在违规的风险。

发明内容

本公开的实施例提供了一种用于遗传资源的处理的预警方案。

根据本公开的第一方面，提出了一种用于遗传资源的处理的预警方法。该方法包括：基于与遗传资源相关联的审批信息，确定针对遗传资源的处理的约束信息，处理包括从对象采集遗传资源样本；基于约束信息和与遗传资源的处理有关的执行信息，从具有不同级别的多个预警条件中确定被满足的目标预警条件；以及向与目标预警条件有关的用户提供与目标预警条件的级别相对应的警告。

根据本公开的第二方面，提出了一种用于遗传资源的处理的预警的装置。该装置包括：约束信息确定模块，被配置为基于与遗传资源相关联的审批信息，确定针对所述遗传资源的处理的约束信息，所述处理包括从对象采集遗传资源样本；第一条件确定模块，被配置为基于所述约束信息和与所述遗传资源的处理有关的执行信息，从具有不同级别的多个预警条件中确定被满足的目标预警条件；以及警告提供模块，被配置为向与所述目标预警条件有关的用户提供与所述目标预警条件的级别相对应的警告。

根据本公开的第三方面，提供了一种电子设备，包括：存储器和处理器；其中存储器用于存储一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2图示了根据本公开实施例的用于遗传资源的处理的预警的过程的流程图；

图3图示了根据本公开实施例的确定执行信息的示例过程的流程图；

图4图示了根据本公开的一些实施例的确定目标预警条件的示例过程的流程图；

图5图示了根据本公开的另一些实施例的确定目标预警条件的示例过程的流程图；

图6图示了根据本公开的又一些实施例的确定目标预警条件的示例过程的流程图；

图7图示了根据本公开的又一些实施例的确定目标预警条件的示例过程的流程图；

图8图示了根据本公开的又一些实施例的确定目标预警条件的示例过程的流程图；

图9图示了根据本公开的一些实施例的用于遗传资源的处理的预警的装置的示意性结构框图；以及

图10图示了可以用来实施本公开内容的实施例的示例设备的示意性框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文所讨论的，对于科研机构或者企业而言，对于遗传资源的处理需要满足遗传资源机构所批准的范围。一旦该科研机构/企业所进行的遗传资源处理超出了所批准的范围，则可能存在违规的风险。

在传统的方案中，可能需要人为地跟踪不同类型的遗传资源的处理情况，并根据人为的经验来确定是否存在风险。例如，需要人为地判断核实开始进行变更申报，以保证所采集的样本数目不会超出获批的上限，从而避免可能出现合规风险。然而，在这样的风险评估过程中，可能需要汇总大量的数据。此外，在一个研究项目中，管理者可能需要同时跟踪大量不同类型的遗传资源的处理情况。因此，这样的人为预警方法难以满足实践的需要。

根据本公开的实施例，提供了一种用于遗传资源的处理的预警方案。在该方案中，首先，可以基于与遗传资源相关联的审批信息来确定针对遗传资源的处理的约束信息，其中遗传资源的处理包括从对象采集遗传资源样本。随后，可以基于约束信息和与遗传资源的处理有关的执行信息，从具有不同级别的多个预警条件中确定被满足的目标预警条件，并进而向与目标预警条件有关的用户提供与目标预警条件的级别相对应的警告。通过这样的方式，本公开的实施例能够自动地跟踪遗传资源的处理的执行情况，并根据不同级别的预警条件来自动地向相应的用户及时地警告，从而避免违规行为的发生。

为了方便描述，下文中以人类遗传资源作为示例来描述申请。应当理解的是，根据不同区域关于遗传资源的不同规定，关于其他类型的遗传资源(例如，动物遗传资源或者植物遗传资源)的处理可能也需要收到管理或约束。

首先参见图1，其示意性示出了其中可以使用根据本公开的示例性实现方式的环境100的示意图。如图1所示，环境100中包括计算设备130。计算设备130可以获取审批信息110。在一些实现中，审批信息110例如可以包括从遗传资源管理机构所获得的批准执行与遗传资源相关联的项目的通知。

备选地，审批信息110例如也可以是基于遗传资源管理机构所发出的批准通知(也称为“批件通知”)所生成的。例如，可以由计算设备130或者另一计算设备对扫描的批准通知进行文本识别来生成审批信息110。或者，审批信息110中例如还可以包括批准通知所针对的申报文档中所包含的一项或多项内容。

审批信息110中例如包括关于以下各项中的至少一项的内容：项目被审批通过的时间、项目的有效期限、在项目中允许筛选的病人的数目、在项目中允许随机分组以进入临床试验的病人的数目、在项目中特定遗传资源样本允许被采集的总数目等和遗传资源样本允许被保存的时间等。

在一些实现中，计算设备130可以基于审批信息110来确定针对遗传资源的处理的约束信息。在一些实现中，这样的约束信息可以包括针对与处理相关联的对象或者样本的数目约束，例如，允许筛选的病人的数目上限或者允许采集的遗传样本的数目等。

在又一些实现中，这样的约束信息可以包括与遗传资源的处理相关联的特定行为的时间约束，例如，样本允许被保存的上限时长或者批准通知(批件通知)的有效时长等。

此外，如图1所示，计算设备130例如还可以确定或者获取执行信息120。应当理解，虽然在图1中执行信息120被示出为独立为计算设备130外的框，但是执行信息120也可以是由计算设备130产生的内部数据。在下文中将详细介绍根据本公开不同实施例的执行信息120的示例，在此暂不详叙。

根据本公开的实现，计算设备130可以根据基于审批信息110所确定的约束信息以及执行信息120来生成警告140(或警告150)。如图1所示，在约束信息以及执行信息120满足不同的预警条件时，计算设备130可以生成不同的警告。

此外，计算设备130还可以将不同的警告提供至不同的用户或者用户组。如图1所示，例如，在特定预警条件被满足时，计算设备130可以生成警告140，并将其提供至用户145。当另一预警条件被满足时，计算设备130可以生成另一警告150，并将其提供至不同的与用户145不同的用户155。

通过这样的方式，计算设备130能够自动地向用户提供与遗传资源的处理相关的警告，从而实现自动预警。下文将参考图2至图8来描述根据本公开实施例的用于遗传资源的处理的预警的过程。图2示出了根据本公开的一些实施例的用于遗传资源的处理的预警的过程200的流程图。过程200例如可以由图1中所示的计算设备130来实现，也可以由其他任何适当的电子设备来实现。

如图2所示，在框202，计算设备130基于与遗传资源相关联的审批信息110，来确定针对遗传资源的处理的约束信息，其中处理包括从对象采集遗传资源样本。

在一些实现中，如参考图1所讨论的，计算设备130可以从审批信息中获取与遗传资源的处理有关的各种约束信息。

在一些实现中，约束信息可以包括与遗传资源样本相关联的数目约束信息。例如，该数目约束信息可以指示允许采集的遗传资源样本的总数目为1000个。

在一些实现中，约束信息可以包括与遗传资源样本的采集相关联的时间约束信息。例如，该时间约束信息可以指示允许采集遗传资源样本的时间为2020年11月1日至2025年10月31日。

在一些实现中，约束信息可以包括与遗传资源样本的保存相关联的时间约束信息。例如该时间约束信息可以指示特定遗传资源样本允许被保存的最长时间为1年。

在一些实现中，约束信息可以包括与筛选对象相关联的数目约束信息。例如，该数目约束信息可以指示允许筛选的对象(例如，病人)的最大数目为1000人。

在一些实现中，约束信息可以包括与随机分组对象相关联的数目约束信息。例如，该数目约束信息可以指示通过筛选并被随机分组进入临床试验的对象(例如，病人)的最大数目为800人。

在框204，计算设备130基于约束信息和与遗传资源的处理有关的执行信息120，从具有不同级别的多个预警条件中确定被满足的目标预警条件。

以下将针对不同类型的约束信息来讨论框204的不同实现。

对于约束信息包括遗传资源样本相关联的数目约束信息的示例，执行信息120可以指示已经采集了的遗传资源样本的数目。在一些实现中，计算设备130可以直接从样本采集机构(例如，实验室)获取已经采集了的遗传资源样本的数目，并将其确定作为执行信息120。或者，计算设备130也可以从样本采集机构在其他系统中填写的访视相关数据和采集相关信息来确定执行信息120。

在另一些实现中，由于一些样本采集机构(例如，医院)无法准确地实时提供特定遗传资源样本被采集的数目，而只是能够提供问诊的对象(例如，病人)的数目和信息。因此，计算设备130可能需要对已经采集了的遗传资源样本的数目进行预测。图3示出了根据本公开实施例的确定执行信息的示例过程300的流程图。

如图3所示，在框302，计算设备130从样本采集机构获取已经采集过遗传资源样本的对象的信息。如上文所讨论的，一些医院可能无法实时提供已经采集了的特定遗传资源样本的数目，但是其能够提供对象完成研究相关访视的信息。

在一些实现中，计算设备130例如可以定期地从样本采集机构接收在预定时间段内(例如，一天内)到该机构完成研究相关访视的对象的信息。应当理解，此处的对象是指基于遗传资源管理机构的批准通知而允许从其采集遗传资源样本的病人。

在框304，计算设备130可以基于获取的对象的信息和与遗传资源样本相关联的采集计划，确定已经采集的遗传资源样本的预测数目。

在一些实现中，通常而言，样本采集机构应当按照与遗传资源样本相关联的采集计划来对对象执行样本采集。例如，根据该采集计划，病人在第一次完成访视时应当被采集5份血清样本，在第二次完成访视应当被采集1份尿液样本。

此外，计算设备130例如还可以根据采集机构所提供的信息来确定对象所处的采集阶段。例如，计算设备130可以确定A病人是第一次完成访视，而B病人是第二次完成访视。

相应地，计算设备130可以根据所获取的对象的信息和对应的采集计划来确定每个对象应当被采集的样本的数目，从而确定已经采集的遗传资源样本的预测数目。例如，当计算设备130确定样本采集机构在当天采集了100位首次完成访视的病人的遗传样本，并采集了50位第二次完成访视的病人的遗传样本时，计算设备130可以确定该样本采集机构在当天采集了500份血清样本和50份尿液样本。

在一些实现中，考虑到样本采集机构在样本采集机构中可能产生的采集计划外的额外采集行为，因此，计算设备130可以还可以将上文所计算的预测数目进行上调，以避免由于额外采集行为而导致未能够提供及时的预警。继续之前的示例，计算设备130可以将所计算的预测数目上调10％以作为最终的预测数目，例如计算设备130可以确定血清样本的预测数目为550份，而尿液样本的预测数目为55份。

在框306，计算设备130可以基于预测数目确定与遗传资源的处理有关的执行信息120。在一些实现中，计算设备130所确定的预测数目可以指示从批准时间起已经采集的样本的全部数目，计算设备130可以将该预测数目确定为执行信息120。

在另一些实现中，计算设备130所确定的预测数目可以指示在过去预定时间段内已经采集的样本的数目，计算设备130可以将该预测数目累加到先前确定的已经采集的样本的数目，以确定从批准时间起已经采集的样本的全部数目。相应地，执行信息120即从批准时间起已经采集的样本的全部数目。

在确定了约束信息与执行信息120后，计算设备130可以基于约束信息和执行信息120来确定目标预警条件。计算设备130例如可以基于从批准时间起已经采集的样本的全部数目与允许采集的样本的上限的比值来从多个预警条件中确定目标预警条件。例如，计算设备130可以确定比值为90％，并从而确定目标预警条件“大于或等于90％”被满足。

在一些实现中，计算设备130例如还可以基于约束信息(例如，允许采集的样本的上限)以及执行信息120(例如，从批准时间起已经采集的样本的全部数目)来确定允许采集的样本的剩余数目。

在一些实现中，计算设备130可以将剩余数目与具有不同级别的预警条件进行比较，从而确定被满足的预警条件。具有不同级别的预警条件例如可以指示不同的数值。

在又一些实现中，计算设备130也可以确定剩余数目与允许采集的样本的上限的比值，并将该比值与不同级别的预警条件进行比较，从而确定被满足的预警条件。

在一些实现中，计算设备130还可以基于允许采集的样本的剩余数目来确定完成这些样本采集所需的时间。例如，计算设备130可以根据样本采集机构的平均采集速度来确定完成剩余数目的样本的采集还需要的时间长度。

备选地，计算设备130例如也可以利用机器学习的方法，来构建剩余样本数目与完成采集所需时间长度之间的关联。例如，计算设备130例如可以根据样本采集机构的属性信息、剩余样本数目以及对应的实际采集时间长度作为训练数据来训练机器学习模型。随后，计算设备130可以利用训练好的机器学习模型来估计完成剩余数目的样本的采集所需的时间长度。

随后，计算设备130可以基于该时间长度与可采集样本的剩余时间长度进行比较，从而确定目标预警条件。例如，计算设备130可以确定采集剩余数目的样本还需要30天，允许采集样本的剩余时间长度为60天。随后，计算设备130例如可以计算二者的比值为0.5，确定目标预警条件“比值小于0.6”被满足。相应地，计算设备130可以提供相应的警告，以指示剩余的天数可能不够完成剩余数目样本的采集。

在又一些实现中，计算设备130还可以通过比较采集完成剩余样本所需的时间与完成变更申报所需的时间来确定预警条件。示例性地，计算设备130可以确定由于对象发生的预期外情况而导致了一定数量的额外样本采集，这使得应当向遗传资源管理机构完成变更申报，否则样本采集行为在达到获批上限时就应当终止。因此，为了保证计算样本采集的顺利进行，科研机构应当在一定时间前就向遗传资源管理机构递交变更申报请求。

例如，计算设备130可以基于已经采集的100份样本超出了采集样本计划的20％，从而基于这样的采集速度来确定达到当前获批的样本采集数目上限的第一时间，例如为3个月。另一方面，计算设备130还可以确定完成变更申报所需的第二时间，例如2个月。例如，计算设备130可以基于历史上完成申报变更的时间来确定完成变更申报所需的第二时间。

附加地，计算设备130可以基于第一时间与第二时间来从多个预警条件确定目标预警条件。在一些实现中，计算设备130可以基于第一时间与第二时间的差值来从多个预警条件中确定目标预警条件。例如，计算设备130可以将该差值(例如，1个月)与预定的多个预警条件进行比较，来确定目标预警条件(例如，小于45天)。

在一些实现中，多个预警条件中可能有一组预警条件同时被满足。计算设备130还可以进一步从该组预警条件中确定目标预警条件。以下将参考图4来描述确定目标预警条件的过程400。

在框402，计算设备130可以从多个预警条件中确定被满足的一组预警条件。以允许采集的样本的剩余数目为200作为示例，多个预警条件例如可以包括“小于500”、“小于300”和“小于100”等。计算设备130例如可以确定预警条件“是否小于500”和“是否小于300”同时被满足。

在框404，计算设备130可以从一组预警条件中确定目标预警条件，其中目标预警条件在一组预警条件中具有最高的级别。例如，多个预警条件“小于500”、“小于300”和“小于100”具有不同的级别，其中预警条件“小于100”例如可以被分配最高的级别，以指示最严格的匹配条件。相应地，计算设备130例如可以从被满足的预警条件“小于500”和“小于300”中确定目标预警条件为“小于300”。

在确定目标预警条件被满足后，计算设备130可以提供相应的警告。关于预警的提供方式将在下文参考框206详细描述。

在一些实现中，约束信息可以包括与遗传资源样本的采集相关联的时间约束信息，执行信息120可以指示遗传资源样本被允许采集的起始时间与当前时间之间的时间长度。图5示出了根据本公开的又一实施例的确定目标预警条件的示例过程500的流程图。

如图5所示，在框502，计算设备130可以基于所述时间约束信息和所述执行信息确定与采集所述遗传资源样本相关联的第一进度指示。例如，当时间约束信息指示该批准的有效期为5年，并且执行信息120指示从批准起始之日起至今已经过去了3年时，则计算设备130例如可以确定可用于采集遗传资源样本的时间长度为2年，并将该时间长度2年确定为第一进度指示。

在另一些实施例中，计算设备130还可以可用于采集遗传资源样本的时间长度与批准的有效期的比值确定作为第一进度指示。或者，计算设备130也可以将遗传资源样本被允许采集的起始时间与当前时间之间的时间长度与该批准的有效期的比值作为第一进度指示。

在又一些实施例中，

在框504，计算设备130可以基于第一进度指示从多个预警条件中确定被满足的目标预警条件。以可用于采集遗传资源样本的时间长度为2年作为第一进度指示的示例，计算设备130例如可以从多个预警条件“小于5年”、“小于3年”和“小于1年”中确定预警条件“小于5年”和“小于3年”同时被满足。

与参考图3所讨论的过程类似，计算设备130可以从预警条件“小于5年”和“小于3年”确定具有最高级别的预警条件“小于3年”，以作为目标预警条件。

在又一些实施例中，计算设备130也可以基于可用于采集遗传资源样本的时间长度来确定在该时间长度内预计采集的样本的数目。与关于遗传资源样本数目的预警所讨论的类似，计算设备130例如也可以根据样本采集机构的平均采集速度或者利用机器学习模型来在该时间长度内预计采集的样本的数目。随后，计算设备130还可以比较该数目以及允许采集的样本的数目，以从多个预警条件中确定目标预警条件。

在确定目标预警条件被满足后，计算设备130可以提供相应的警告。关于预警的提供方式将在下文参考框206详细描述。

在一些实现中，约束信息包括与遗传资源样本的保存相关联的时间约束信息，执行信息120可以指示遗传资源样本已经被保存的时间长度。图6示出了根据本公开的又一实施例的确定目标预警条件的示例过程600的流程图。

如图6所示，在框602，计算设备130可以基于时间约束信息和执行信息确定与保存遗传资源样本相关联的第二进度指示。例如，当时间约束信息指示样本保存的最长期限为100天，并且执行信息120指示样本已经被保存了80天时，则计算设备130例如可以确定可用于保存遗传资源样本的时间长度为20天，并将该时间长度20天确定作为第二进度指示。

在另一些实施例中，计算设备130还可以将可用于保存遗传资源样本的时间长度与样本保存的最长期限的比值确定作为第二进度指示。或者，计算设备130也可以将遗传资源样本已经被保存的时间长度与样本保存的最长期限的比值确定作为第二进度指示。

在框604，计算设备130可以基于第二进度指示从多个预警条件中确定被满足的目标预警条件。以用于保存遗传资源样本的时间长度为20天作为第二进度指示的示例，计算设备130例如可以从多个预警条件“小于50天”、“小于30天”和“小于10天”中确定预警条件“小于50天”和“小于30天”同时被满足。

与参考图3所讨论的过程类似，计算设备130可以从预警条件“小于50天”和“小于30天”确定具有最高级别的预警条件“小于30天”，以作为目标预警条件。

在确定目标预警条件被满足后，计算设备130可以提供相应的警告。关于预警的提供方式将在下文参考框206详细描述。

在一些实现中，约束信息包括与筛选对象相关联的数目约束信息，执行信息120可以指示已经筛选的对象的数目。图7示出了根据本公开的又一实施例的确定目标预警条件的示例过程700的流程图。

在框702，计算设备130可以基于数目约束信息和执行信息确定与筛选对象相关联的第三进度指示。例如，当数目约束信息指示允许筛选的对象(例如，病人)的最大数目为1000人，并且执行信息120指示已经筛选的对象为800人时，则计算设备130例如可以确定允许筛选的对象的剩余数目为200人，并将剩余数目确定作为第三进度指示。

在另一些实施例中，计算设备130还可以将允许筛选的对象的剩余数目与允许筛选的对象的最大数目的比值确定作为第三进度指示。或者，计算设备130也可以将已经筛选的对象的数目与允许筛选的对象的最大数目的比值确定作为第三进度指示。

在框704，计算设备130可以基于第三进度指示，从多个预警条件中确定被满足的目标预警条件。以允许筛选的对象的剩余数目为200人作为第三进度指示的示例，计算设备130例如可以从多个预警条件“小于500人”、“小于300人”和“小于100人”中确定预警条件“小于500人”和“小于300人”同时被满足。

与参考图3所讨论的过程类似，计算设备130可以从预警条件“小于500人”和“小于300人”确定具有最高级别的预警条件“小于300人”，以作为目标预警条件。

在确定目标预警条件被满足后，计算设备130可以提供相应的警告。关于预警的提供方式将在下文参考框206详细描述。

在一些实现中，约束信息包括与随机分组对象相关联的数目约束信息，执行信息120可以指示已经随机分组的对象的数目。随机分组对象是指从被筛选的对象中排除不合格的对象，并将剩余的对象随机分组到临床试验中的过程。图8示出了根据本公开的又一实施例的确定目标预警条件的示例过程800的流程图。

在框802，计算设备130可以基于数目约束信息和执行信息确定与随机分组对象相关联的第四进度指示。例如，当数目约束信息指示允许随机分组的对象(例如，病人)的最大数目为800人，并且执行信息120指示已经随机分组的对象为600人时，则计算设备130例如可以确定允许随机分组的对象的剩余数目为200人，并将剩余数目确定作为第四进度指示。

在另一些实施例中，计算设备130还可以将允许随机分组的对象的剩余数目与允许随机分组的对象的最大数目的比值确定作为第四进度指示。或者，计算设备130也可以将已经随机分组的对象的数目与允许随机分组的对象的最大数目的比值确定作为第四进度指示。

在框804，计算设备140可以基于第四进度指示从多个预警条件中确定被满足的目标预警条件。以允许随机分组的对象的剩余数目为200人作为第四进度指示的示例，计算设备130例如可以从多个预警条件“小于500人”、“小于300人”和“小于100人”中确定预警条件“小于500人”和“小于300人”同时被满足。

与参考图3所讨论的过程类似，计算设备130可以从预警条件“小于500人”和“小于300人”确定具有最高级别的预警条件“小于300人”，以作为目标预警条件。

在确定目标预警条件被满足后，计算设备130可以提供相应的警告。关于预警的提供方式将在下文参考框206详细描述。

以上结合不同的实施例描述了关于目标预警条件的确定过程，应当理解以上实施例中涉及的具体数值仅是示意性地，不旨在作为对本公开的限定。

继续参考图2，在框206，计算设备130向与目标预警条件有关的用户提供与目标预警条件的级别相对应的警告。

在一些实现中，与不同级别的预警条件有关的不同用户可以具有关于管理遗传资源的处理的不同权限。例如，在级别较低的预警条件被满足时，计算设备130例如可以向具有较低管理权限的用户发送警告。相反，在级别较高的预警条件被满足时，计算设备130例如可以向具有较高管理权限的用户发送警告。

此外，与不同级别所对应的警告也可以是不同的，以指示不同的严重程度。例如，在级别较低的预警条件被满足时，计算设备130例如可以通过弹窗的方式向对应的用户呈现文本类型的警告。

相反，在级别较高的预警条件被满足时，计算设备130例如可以呼叫对应的用户以播报语音消息。或者，在级别较高的预警条件被满足时，计算设备130可以利用相同的警告形式，但是可以通过延长警告的时间等方式来强调该警告具有更高的严重程度。例如，计算设备130可以提供呈现比其他警报所提供的弹窗尺寸更大的弹窗。附加地或备选地，在级别较高的预警条件被满足时，时间设备130还可以提供多种警告的组合，例如同时提供弹窗警告、邮件警告和呼叫警告等。

基于上文所描述的用于遗传资源的处理的预警方法，本公开的实施例能够本公开的实施例能够自动地跟踪遗传资源的处理的执行情况，并根据不同级别的预警条件来自动地向相应的用户及时地警告，从而避免违规行为的发生。

在一些实现中，在以上过程中收集的约束信息和执行信息还可以被用于合规报告的生成，从而进一步降低了所需要耗费的人工成本和时间成本。

本公开的实施例还提供了参考图2至图8所讨论的方法和/或过程的相应装置。图9示出了根据本公开的一些实施例的用于与遗传资源有关的申报的装置900的示意性结构框图。

如图9所示，装置900可以包括：约束信息确定模块910，被配置为基于与遗传资源相关联的审批信息，确定针对遗传资源的处理的约束信息，处理包括从对象采集遗传资源样本。装置900还包括第一条件确定模块920，被配置为基于约束信息和与遗传资源的处理有关的执行信息，从具有不同级别的多个预警条件中确定被满足的目标预警条件。此外，装置900还包括警告提供模块930，被配置为向与目标预警条件有关的用户提供与目标预警条件的级别相对应的警告。

在一些实现中，约束信息包括与遗传资源样本相关联的数目约束信息，装置900还包括：数目获取模块，被配置为从样本采集机构获取已经采集过遗传资源样本的对象的信息；数目预测模块，被配置为基于获取的对象的信息和与遗传资源样本相关联的采集计划，确定已经采集的遗传资源样本的预测数目；以及执行信息确定模块，被配置为基于预测数目确定与遗传资源的处理有关的执行信息。

在一些实现中，约束信息包括与遗传资源样本的采集相关联的时间约束信息，并且其中第一条件确定模块920包括：第一进度指示确定模块，被配置为基于时间约束信息和执行信息确定与采集遗传资源样本相关联的第一进度指示，执行信息指示遗传资源样本被允许采集的起始时间与当前时间之间的时间长度；以及第二条件确定模块，被配置为基于第一进度指示，从多个预警条件中确定被满足的目标预警条件。

在一些实现中，约束信息包括与遗传资源样本的保存相关联的时间约束信息，并且其中第一条件确定模块920包括：第二进度指示确定模块，被配置为基于时间约束信息和执行信息确定与保存遗传资源样本相关联的第二进度指示，执行信息指示遗传资源样本已经被保存的时间长度；以及第三条件确定模块，被配置为基于第二进度指示，从多个预警条件中确定被满足的目标预警条件。

在一些实现中，约束信息包括与筛选对象相关联的数目约束信息，并且其中第一条件确定模块920包括：第三进度指示确定模块，被配置为基于数目约束信息和执行信息确定与筛选对象相关联的第三进度指示，执行信息指示已经筛选的对象的数目；以及第四条件确定模块，被配置为基于第三进度指示，从多个预警条件中确定被满足的目标预警条件。

在一些实现中，约束信息包括与随机分组对象相关联的数目约束信息，并且其中第一条件确定模块920包括：第四进度指示确定模块，被配置为基于数目约束信息和执行信息确定与随机分组对象相关联的第四进度指示，执行信息指示已经随机分组的对象的数目；以及第五条件确定模块，被配置为基于第四进度指示，从多个预警条件中确定被满足的目标预警条件。

在一些实现中，第一条件确定模块920包括：筛选模块，被配置为从多个预警条件中确定被满足的一组预警条件；以及第六条件确定模块，被配置为从一组预警条件中确定目标预警条件，目标预警条件在一组预警条件中具有最高的级别。

在一些实现中，与不同级别的预警条件有关的不同用户具有关于管理遗传资源的处理的不同权限。

图10示出了其中可以实施本公开的一个或多个实施例的计算设备/服务器1000的框图。应当理解，图10所示出的计算设备/服务器1000仅仅是示例性的，而不应当构成对本文所描述的实施例的功能和范围的任何限制。

如图10所示，计算设备/服务器1000是通用计算设备的形式。计算设备/服务器1000的组件可以包括但不限于一个或多个处理器或处理单元1010、存储器1020、存储设备1030、一个或多个通信单元1040、一个或多个输入设备1050以及一个或多个输出设备1060。处理单元1010可以是实际或虚拟处理器并且能够根据存储器1020中存储的程序来执行各种处理。在多处理器系统中，多个处理单元并行执行计算机可执行指令，以提高计算设备/服务器1000的并行处理能力。

计算设备/服务器1000通常包括多个计算机存储介质。这样的介质可以是计算设备/服务器1000可访问的任何可以获得的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器720可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如，只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备730可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质，其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备/服务器1000内被访问。

计算设备/服务器1000可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图10中示出，可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中，每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器1020可以包括计算机程序产品1025，其具有一个或多个程序模块，这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。

通信单元1040实现通过通信介质与其他计算设备进行通信。附加地，计算设备/服务器1000的组件的功能可以以单个计算集群或多个计算机器来实现，这些计算机器能够通过通信连接进行通信。因此，计算设备/服务器1000可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。

输入设备1050可以是一个或多个输入设备，例如鼠标、键盘、追踪球等。输出设备1060可以是一个或多个输出设备，例如显示器、扬声器、打印机等。计算设备/服务器1000还可以根据需要通过通信单元1040与一个或多个外部设备(未示出)进行通信，外部设备诸如存储设备、显示设备等，与一个或多个使得用户与计算设备/服务器1000交互的设备进行通信，或者与使得计算设备/服务器1000与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。

根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现上文描述的方法。

这里参照根据本公开实现的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实现的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实现，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各实现。