生物標(biāo)志物是一類可以客觀評(píng)價(jià)的特征性生化指標(biāo)，通過其測(cè)量可以了解生物體的生物學(xué)過程。檢查疾病的特定生物標(biāo)志物可以在疾病的診斷和預(yù)防中發(fā)揮關(guān)鍵作用。

在醫(yī)學(xué)研究領(lǐng)域，生物標(biāo)志物的研究思路一般分為三個(gè)階段：Discovery、Verification、Validation。生物標(biāo)志物的篩選通常需要利用高通量組學(xué)方法對(duì)大規(guī)模臨床樣本進(jìn)行代謝組學(xué)或蛋白質(zhì)組學(xué)測(cè)試，篩選出具有統(tǒng)計(jì)學(xué)意義的差異代謝物或蛋白質(zhì)，再經(jīng)過一系列復(fù)雜的生物信息學(xué)分析篩選出目標(biāo)生物標(biāo)志物。在接下來的驗(yàn)證階段，需要對(duì)較小范圍的生物標(biāo)志物進(jìn)行靶向蛋白質(zhì)組學(xué)或靶向代謝組學(xué)的大樣本量驗(yàn)證，統(tǒng)計(jì)分析，計(jì)算靶標(biāo)標(biāo)志物的特異性和敏感性。如果你想讓自己的研究成果更加完整，還可以使用臨床樣本，結(jié)合臨床數(shù)據(jù)進(jìn)行補(bǔ)充驗(yàn)證，如ELISA、WB等。

2017年，德國格賴夫斯瓦爾德大學(xué)在《Gut》雜志（IF=17.016）上發(fā)表的題為“Metabolic biomarkersignaturetoDifferentpancreaticductaladenocarcinomafromchronicpancreatitis"的研究就是利用代謝組學(xué)技術(shù)確定生物標(biāo)志物的典型例子。

臨床上，胰腺癌是預(yù)后最差的惡性腫瘤之一。慢性胰腺炎是胰腺癌的危險(xiǎn)因素，臨床上很難區(qū)分兩者，很容易導(dǎo)致早期胰腺癌的誤診和延誤治療。由于原始標(biāo)記物效果不佳，這一系列事實(shí)促使研究人員努力尋找替代生物標(biāo)記物。

在這項(xiàng)研究中，總共招募了914名受試者，包括胰腺導(dǎo)管腺癌（PDAC，271名）、慢性胰腺炎（CP，282名）、肝硬化（LC，100名）和健康獻(xiàn)血者（BDs）以及261名對(duì)照樣本術(shù)前患有非胰腺疾病的患者，利用LC-MS和GC-MS包括脂質(zhì)組學(xué)（非靶向分析/類固醇/脂質(zhì)）在內(nèi)的多個(gè)代謝組學(xué)平臺(tái)對(duì)914例樣本進(jìn)行了檢測(cè)。采用三階段生物標(biāo)志物開發(fā)策略（探索集/訓(xùn)練集/測(cè)試集）總共鑒定了 477 種代謝物。

最后，根據(jù)代謝組學(xué)數(shù)據(jù)的結(jié)果發(fā)現(xiàn)了九種潛在的生物標(biāo)志物。這9種代謝物與現(xiàn)有的胰腺癌診斷血液指標(biāo)CA19-9結(jié)合使用，組合的標(biāo)志物組甚至可以檢測(cè)98%的生物標(biāo)志物。胰腺癌切除準(zhǔn)確率達(dá)90.4%。組合標(biāo)志物的 AUC 顯著高于 CA19-9 的 AUC（0.94 vs. 0.85，p <0.001）、敏感性（89.9% vs. 74.7%，p <0.01）和特異性（91.3% vs. 77.5%， p <0.05）也顯著改善。

不僅是代謝組學(xué)，在一些疾病生物標(biāo)志物的研究中，蛋白質(zhì)組學(xué)的應(yīng)用也越來越廣泛。多組學(xué)技術(shù)的應(yīng)用已是大勢(shì)所趨。接下來，我們通過另一個(gè)研究實(shí)例向大家介紹多組學(xué)技術(shù)在生物標(biāo)志物篩選過程中的作用。

德國格賴夫斯瓦爾德大學(xué)2017年的一項(xiàng)研究結(jié)果發(fā)表在《BMC Medicine》雜志上（IF=8.097）。標(biāo)題為“實(shí)驗(yàn)性人類甲狀腺毒癥模型的血漿蛋白質(zhì)組和代謝組特征"。研究人員旨在篩選表征人血漿促甲狀腺激素（TSH）和游離甲狀腺素（FT4）特征的生物標(biāo)志物。利用甲狀腺毒癥模型進(jìn)行研究，并通過隨機(jī)森林的兩階段交叉程序，驗(yàn)證篩選的生物標(biāo)志物是否可以區(qū)分甲狀腺功能異常。

根據(jù)代謝組和蛋白質(zhì)組數(shù)據(jù)統(tǒng)計(jì)，共鑒定出380種代謝物和497種人類蛋白質(zhì)。為保證數(shù)據(jù)的可用性，通過過濾分析，僅選擇缺失值小于40%的代謝物和蛋白質(zhì)進(jìn)行后續(xù)分析。也就是說，下一步將分析 349 種代謝物和 437 種蛋白質(zhì)。

為了尋找新的生物標(biāo)志物來對(duì)TH狀態(tài)進(jìn)行分類，研究人員通過兩階段交叉驗(yàn)證程序建立了隨機(jī)森林分類器，以全面分析差異代謝物和差異蛋白。最終獲得了包括代謝物和蛋白質(zhì)在內(nèi)的15種物質(zhì)。 30次驗(yàn)證結(jié)果均表現(xiàn)出穩(wěn)定且良好的分類能力，可作為潛在的Biomarker。