2024-12-11
大隊列研(yan)究是(shi)(shi)一種觀察性研(yan)究方法，它涉及將(jiang)一個(ge)明確(que)定(ding)義(yi)的(de)(de)人(ren)群根據是(shi)(shi)否(fou)暴(bao)露于(yu)某個(ge)可(ke)疑因素或暴(bao)露程(cheng)度的(de)(de)不(bu)同分(fen)為不(bu)同的(de)(de)亞組(zu)，然后(hou)追蹤觀察這些(xie)(xie)亞組(zu)的(de)(de)結局(ju)（如(ru)疾病發生(sheng)）情況，并(bing)比較(jiao)不(bu)同亞組(zu)之(zhi)間結局(ju)發生(sheng)率的(de)(de)差異，以判斷這些(xie)(xie)因素與結局(ju)之(zhi)間是(shi)(shi)否(fou)存在關聯及其關聯程(cheng)度。大隊列研(yan)究可(ke)以是(shi)(shi)前瞻性的(de)(de)，也(ye)可(ke)以是(shi)(shi)回(hui)顧性的(de)(de)，或者是(shi)(shi)雙(shuang)向(xiang)的(de)(de)，即結合前瞻性和(he)回(hui)顧性的(de)(de)特(te)點。
大(da)隊(dui)列研究的(de)應用領域(yu)非常廣泛，包括但不(bu)限于：
生物標志物發(fa)現：識別(bie)與疾病或健康狀態相關的蛋白(bai)質標志物，用(yong)于疾病早期(qi)診斷、預后評估和治(zhi)療效(xiao)果(guo)監測。
疾病機制(zhi)研究(jiu)：通(tong)過(guo)(guo)分析(xi)疾病發展過(guo)(guo)程中蛋(dan)白(bai)質表達(da)的(de)動態變化(hua)，深入理(li)解潛在的(de)生物學機制。
精準(zhun)醫學：結合(he)個體(ti)的蛋(dan)白質表達譜(pu)，制定個性化的治(zhi)療方案和預防(fang)策(ce)略。
大(da)隊列研究在精準(zhun)醫學和大(da)數據(ju)時代(dai)尤為重(zhong)要，它(ta)有(you)助于揭示(shi)疾(ji)病(bing)(bing)的(de)(de)(de)病(bing)(bing)因、評價預防(fang)(fang)效(xiao)果、揭示(shi)疾(ji)病(bing)(bing)的(de)(de)(de)自然史、掌(zhang)握人口(kou)健康(kang)狀(zhuang)況、引(yin)導實(shi)驗設計，將(jiang)知識轉化為臨床和人群早期診(zhen)斷(duan)和干(gan)預策略，從而提高(gao)疾(ji)病(bing)(bing)的(de)(de)(de)防(fang)(fang)治水(shui)平，降低社(she)會衛生負擔。隨著(zhu)各組學、大(da)數據(ju)科學、分子影像(xiang)等新(xin)技術的(de)(de)(de)不(bu)斷(duan)納(na)入，大(da)隊列研究在疾(ji)病(bing)(bing)精準(zhun)的(de)(de)(de)預防(fang)(fang)、診(zhen)斷(duan)和治療方面發揮著(zhu)越來越重(zhong)要的(de)(de)(de)作用。
doi.org/10.1016/j.jhep.2024.03.035
在隊(dui)列(lie)設計(ji)中(zhong)需(xu)要(yao)注意許多關鍵要(yao)點(dian)，以免樣(yang)本檢測完成后影響biomarker的篩選。那么隊(dui)列(lie)研究設計(ji)的關鍵點(dian)有哪些？
關(guan)鍵點1---隊列樣本(ben)如何分組？納(na)入納(na)排很重要！
（1）根據科學問(wen)題進行組(zu)(zu)間(jian)設置，根據現有臨床(chuang)指南(nan)中相關(guan)疾(ji)病(bing)(bing)現有診(zhen)斷(duan)指標(biao)對(dui)人群樣本進行明確的(de)(de)(de)分(fen)組(zu)(zu)，通常包(bao)括健康組(zu)(zu)和疾(ji)病(bing)(bing)組(zu)(zu)，在疾(ji)病(bing)(bing)組(zu)(zu)中根據不同的(de)(de)(de)研究目(mu)標(biao)來(lai)分(fen)亞組(zu)(zu)。例如研究疾(ji)病(bing)(bing)的(de)(de)(de)早期(qi)診(zhen)斷(duan)biomarker，需(xu)要(yao)在疾(ji)病(bing)(bing)組(zu)(zu)中區分(fen)出早期(qi)患(huan)者及中晚期(qi)患(huan)者兩個亞組(zu)(zu)，以及加上其(qi)他陽性對(dui)照以明確biomarker的(de)(de)(de)特異(yi)性。
（2）如(ru)果研究疾病治(zhi)療效果的(de)biomarker，不僅(jin)需要(yao)設(she)置治(zhi)療患者前(qian)后的(de)樣(yang)本(ben)，也(ye)需要(yao)加(jia)入健康(kang)人樣(yang)本(ben)的(de)分組，在(zai)后續(xu)篩選biomarker中以排(pai)除其他因素引起的(de)生(sheng)物標志物變(bian)化，提高biomarker的(de)敏(min)感度和特(te)異性。
（3）篩(shai)選代謝標志物的(de)隊列設計中，在所有樣本的(de)納排中需要去除攜帶(dai)其他代謝影響的(de)患者(zhe)樣本，以排除其他疾病帶(dai)來的(de)代謝影響，引(yin)起biomarker篩(shai)選的(de)假陽性。
關鍵(jian)點2---樣(yang)本對應記錄的臨(lin)床信息需要(yao)全面
（1）在(zai)收集樣本的(de)同時需(xu)要相(xiang)應的(de)臨床信息(xi)全(quan)面，缺失信息(xi)的(de)樣本在(zai)后(hou)續的(de)分析中會被剔除或者(zhe)難(nan)以(yi)分析其異常原因。
（2）在后續的biomarker篩選(xuan)時一般會(hui)用到組學數據和臨床(chuang)數據進(jin)行聯合分析，缺失(shi)臨床(chuang)信息給分析帶(dai)來了巨大難度。
（3）利用多批次(ci)驗(yan)證biomarker的(de)過程中，需要多批次(ci)的(de)樣本臨床基線基本一致，以(yi)避免(mian)由(you)于(yu)臨床基線差(cha)異引起的(de)組學結(jie)果差(cha)異，影響biomarker的(de)驗(yan)證效(xiao)果。
關鍵點3---樣本及樣本量的(de)選擇
（1）在(zai)設置每組(zu)樣本量的過(guo)程中，由(you)于(yu)人(ren)群(qun)飲(yin)食生活習慣的不同會存在(zai)個(ge)體異質性，因此隊(dui)列設計(ji)中每組(zu)樣本最好大于(yu)30例以(yi)上。
（2）在隊列篩選biomarker的過程中(zhong)(zhong)通常會(hui)用到機器學習的方法，因此建議(yi)加大樣本量(liang)，對(dui)于大隊列的多(duo)中(zhong)(zhong)心篩選驗證biomarker中(zhong)(zhong)通常建議(yi)每(mei)組(zu)大于70例，提高biomarker篩選的敏感度和(he)特(te)異性。
（3）血樣避免(mian)反復凍融以及溶血，使得檢(jian)測的結果引起偏差。
關鍵點4---不同(tong)類型樣(yang)本(ben)需要(yao)同(tong)一患者來源
用血液樣(yang)本篩選(xuan)(xuan)(xuan)biomarker的同時，一(yi)般(ban)會(hui)結(jie)合組(zu)織樣(yang)本來驗證和(he)(he)輔助篩選(xuan)(xuan)(xuan)，需要(yao)(yao)挑選(xuan)(xuan)(xuan)血液樣(yang)本和(he)(he)組(zu)織樣(yang)本來源(yuan)于同一(yi)患者，切記不要(yao)(yao)選(xuan)(xuan)(xuan)擇同一(yi)種疾(ji)病不同人來源(yuan)的樣(yang)本，會(hui)帶來分析難度(du)，增加(jia)其他(ta)因素(su)引起(qi)的差異。
關鍵點5---數(shu)據挖掘分析
（1）隊(dui)列(lie)樣本的(de)數據(ju)分析中(zhong)首先需(xu)要做數據(ju)的(de)預處理(li)，不同批(pi)次樣本的(de)缺失值(zhi)填充(chong)需(xu)要使用同一的(de)填充(chong)方式(shi)。
（2）不同(tong)批次間保持臨(lin)床基線的(de)一致，避免臨(lin)床基線不同(tong)帶來的(de)差異影響(xiang)。
（3）離(li)群點的處理(li)需要結合臨床信(xin)息確認是否(fou)異常(chang)進行(xing)樣本去除。
（4）在機器學習建模過(guo)程中可以使(shi)用多種機器學習的方法，來(lai)篩選最佳模型得(de)到診斷性能高的biomarker。
（5）在篩選(xuan)過程中可以(yi)選(xuan)擇和(he)疾(ji)(ji)病臨床指標(biao)(biao)相關性比較高的標(biao)(biao)志(zhi)物提高篩選(xuan)效率，也可以(yi)結合(he)臨床指標(biao)(biao)作為共(gong)同的生(sheng)物標(biao)(biao)志(zhi)物panel來對(dui)疾(ji)(ji)病進(jin)行診(zhen)斷和(he)預后。
臨床(chuang)隊(dui)列Biomarker篩選技術路線簡圖(tu)
大隊列高分文章案例(li)
文(wen)章題目：Noninvasive proteomic biomarkers for alcohol-related liver disease
期刊(kan)：Nature Medicine
影響因子：58.7
研究背景和結論：
酒(jiu)精性(xing)肝病(bing)（ALD）是世界(jie)肝臟(zang)相關(guan)死亡的主要原(yuan)因，但對(dui)該疾病(bing)的三個(ge)關(guan)鍵(jian)病(bing)理特征（纖維化(hua)、炎(yan)癥和(he)(he)脂肪(fang)變性(xing)）的了解仍不全(quan)面。本(ben)研究(jiu)使用(yong)配對(dui)的肝臟(zang)-血(xue)(xue)漿蛋白(bai)質組學(xue)(xue)方法(fa)來(lai)推(tui)斷(duan)分(fen)子(zi)病(bing)理生(sheng)理學(xue)(xue)，并探索血(xue)(xue)漿蛋白(bai)質組學(xue)(xue)在596例(li)(li)個(ge)體（137例(li)(li)對(dui)照組和(he)(he)459例(li)(li)ALD患者）中的診(zhen)(zhen)斷(duan)和(he)(he)預后能(neng)力，其(qi)中360例(li)(li)進行了活(huo)檢(jian)組織學(xue)(xue)評估。使用(yong)蛋白(bai)組學(xue)(xue)分(fen)析了所有(you)血(xue)(xue)漿樣本(ben)和(he)(he)79例(li)(li)肝臟(zang)活(huo)檢(jian)。在血(xue)(xue)漿和(he)(he)肝活(huo)檢(jian)組織中，代謝功(gong)能(neng)下(xia)調(diao)，而(er)纖維化(hua)相關(guan)信(xin)號和(he)(he)免疫反(fan)應上調(diao)。機器學(xue)(xue)習模型確(que)定的蛋白(bai)質組學(xue)(xue)生(sheng)物(wu)(wu)標志(zhi)物(wu)(wu)panel比(bi)現有(you)的臨床檢(jian)測（DeLong’ test，p < 0.05）更(geng)準(zhun)(zhun)確(que)地檢(jian)測出顯(xian)著纖維化(hua)（ROC-AUC：0.92，準(zhun)(zhun)確(que)性(xing)：0.82）和(he)(he)輕度炎(yan)癥（ROC-AUC：0.87，準(zhun)(zhun)確(que)性(xing)：0.79）。研究(jiu)發現，這(zhe)些生(sheng)物(wu)(wu)標志(zhi)物(wu)(wu)組可預測未來(lai)肝臟(zang)相關(guan)事件和(he)(he)全(quan)因死亡率，其(qi)C-index指數分(fen)別為0.90和(he)(he)0.79，外部獨立驗(yan)證隊列驗(yan)證了此(ci)診(zhen)(zhen)斷(duan)模型的性(xing)能(neng)。
希望小派本次的(de)大隊(dui)列(lie)設(she)計(ji)要(yao)點給您帶來新的(de)啟發，助(zhu)力大隊(dui)列(lie)biomarker的(de)方(fang)案設(she)計(ji)，在(zai)未(wei)來的(de)隊(dui)列(lie)研究中更(geng)加游(you)刃有余！
