北京白癜风医院地图 https://jbk.39.net/yiyuanfengcai/lx_bjzkbdfyy/前言
代谢Biomarker是疾病早期筛查和预后评估的重要手段，其中大规模的临床样本、严谨的实验设计、科学的数据分析均是有效筛选生物标志物的必要前提，那么到底如何筛选入组队列？如何设计完整的筛选-验证实验？如何评估标志物的诊断效能？
这些问题都将在以下这篇文章中为大家一一揭晓。
●发表时间：.02
●影响因子：18.
慢性胰腺炎（CP）是一种纤维化炎症性疾病，可导致器官功能障碍、慢性疼痛，增加胰腺癌风险及发病率。由于缺乏特异性生物标志物，目前CP的诊断主要依赖于患者症状及其影像学特征（不具敏感性），这妨碍了对CP的早期诊断和及时治疗。
本研究将名受试者分为三个群体，采用GC-MS结合LC-MS的技术来开展血液代谢物检测。首先通过发现集（IdentificationStudy）筛选出CP患者与对照组受试者中的血浆代谢标志物，随后在测试集（FirstValidationStudy）中对该生物标志物进行初步验证，最后通过验证集（SecondValidationStudy）评估了标志物在血清样本中的诊断效能。
■■■■■
图1.研究设计
（注：发现集和测试集中的Control组为非CP患者；验证集中Control组为健康患者，LC组为肝硬化患者）
1
研究队列和患者特征
三个群体中性别比例均不平衡，由于CP的性质，它在男性中发病率更高。
■■■■■
表1.群体特征
Tips：为避免疾病无关因素干扰，通常情况下，入组样本在case及control分组中应保持性别、年龄等指标比例一致。
2
代谢组检测结果
在发现集和测试集的血浆样本中检测到已知代谢产物个，未知代谢产物个；在验证集的血清样本中检测到已知代谢产物个，未知代谢产物个。物质分布情况如下图所示：
■■■■■
图2.物质分类及数量
Tips：代谢组检测技术的重要评判指标之一即为可鉴定代谢物的数量，本研究中虽共检测到种代谢信号，但最终鉴定出的物质数仅种。
3
多变量统计分析
对所有血浆样本（IdentificationStudyFirstValidationStudy）数据进行PCA分析（图4A），发现CP与Control组存在较大重叠，仅在PC1（12%）主成分上有一定区分；而在验证集（SecondValidationStudy）中Control组与CP组和LC组均发生明显分离（图4B），猜想这可能是因为发现集与测试集中的Control组为非CP患者，而验证集中的Control组为健康人，健康人与CP患者间的代谢差异会更为显著。
■■■■■
图3.PCA分析
4
生物标志物的发现和训练
基于训练集（Identificationstudy）的血浆代谢数据，研究者通过朴素贝叶斯算法（NaiveBayesalgorithm）筛选出一个由8个代谢物组成的biomarkerpanel，可对CP患者与对照组进行较好的区分，ROC分析得出AUC值为0.85（图4A），特异性为0.86，敏感性为0.71。
■■■■■
表2.biomarkerpanel组成
5
独立队列中的生物标志物验证
训练集筛选到的biomarkerpanel，通过独立队列（Firstvalidationstudy）中例血浆样本进行测试，以评估其诊断性能。ROC分析得出AUC值为0.85（图4B），特异性为0.66，敏感性为0.84。
在第一个验证研究中，研究者测试了CP生物标志物在不同人群背景下依然有效，紧接着进行第二个验证研究（Secondvalidationstudy），在含有个受试者的队列中，研究者选择血清样本代谢数据进行验证，并将肝硬化患者作为额外的对照。ROC分析得出CP患者与对照组的AUC为0.87（图4C），特异性为0.89，敏感性为0.78，表明该生物标志物panel同样适用于血清样本。
■■■■■
图4.ROC分析
Tips：Biomarker筛选流程通常分为3步，第一步通过训练集筛选候选代谢标志物；第二步在独立队列测试集中对该生物标志物进行初步验证；第三步通过独立验证集再次评估标志物的诊断效能，此次验证可通过更换样本类型或者选择更严格的定量方式（绝对定量）进一步提升标志物的诊断能力。
6
Biomarkerpanel的多元统计分析
对训练集筛选到的biomarkerpanel中8个代谢物开展多元统计分析。分析显示血浆样本中（IdentificationStudyFirstValidationStudy），8种代谢物在CP患者内均发生了显著改变（P＜0.05），其中6种在CP患者的血清样本（Secondvalidationstudy）中同样变化明显。
Beta-carotene在biomarkerpanel中起着最重要的作用（表3），然而单一代谢物无法区分CP患者和对照组，只有通过形成生物标志物组才能得出足够准确的诊断。
■■■■■
表3.单个代谢物的统计分析结果
本研究基于代谢组技术首次发现了由8种代谢物组成的panel可以在血清和血浆样本中成功区分CP患者和健康受试者，且具有可较高的的准确性。该生物标志物panel为临床CP的早期诊断以及疾病进展监测，奠定了基础。
疾病Biomarker的筛选是代谢组技术在临床中最常见的一大应用方向，代谢组学通过机体代谢物的高通量检测，结合多元统计学分析，筛选差异显著的代谢物，进而从整体上深度透析疾病的病理学机理，为疾病的预防及治疗提供了科学依据。而所谓高通量即能在样本中检测并鉴定出更多的代谢物，为后续信息挖掘提供更丰富的有效数据。
迈维非靶向代谢组现已完成全新升级：
?全面的物质鉴定策略（4种）
①迈维自建高分辨本地库鉴定
②迈维DB-all公共库鉴定
③AI预测库鉴定
④MetDNA2.0鉴定
?庞大的鉴定数据库（28万+化合物，万+谱图）
?超高的有效信息量（平均鉴定+代谢物）
Biomarker整体研究方案可细分为五个部分。
（1）前期样本准备，医学研究为筛选准确的Biomarker并用于后期临床实践，通常样本量较为庞大，少则几百多则上万；
（2）代谢组学检测，因检测范围较广，目前检测技术多选液质联用；
（3）代谢物定性定量，采集检测原始数据，提取代谢物谱图及积分数据，与代谢物数据库比对进行物质定性，并且定量；
（4）数据分析，比较不同组代谢物变化规律，利用机器学习等算法筛选最佳标志物并进行验证；
（5）结论，根据第4步结果得出结论。
迈维代谢非靶向代谢组产品服务（点击可放大查看）
迈维代谢免费为您量身定制Biomarker筛选全套研究方案，方案获取请咨询当地销售经理。
直播预告
-
邮箱：support
metware.cn
网址：
