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

在醫(yī)學研究領(lǐng)域，生物標志物的研究思路一般分為三個階段：Discovery、Verification、Validation。生物標志物的篩選通常需要利用高通量組學方法對大規(guī)模臨床樣本進行代謝組學或蛋白質(zhì)組學測試，篩選出具有統(tǒng)計學意義的差異代謝物或蛋白質(zhì)，再經(jīng)過一系列復雜的生物信息學分析篩選出目標生物標志物。在接下來的驗證階段，需要對較小范圍的生物標志物進行靶向蛋白質(zhì)組學或靶向代謝組學的大樣本量驗證，統(tǒng)計分析，計算靶標標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)進行補充驗證，如ELISA、WB等。

2017年，德國格賴夫斯瓦爾德大學在《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技術(shù)確定生物標志物的典型例子。

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

在這項研究中，總共招募了914名受試者，包括胰腺導管腺癌（PDAC，271名）、慢性胰腺炎（CP，282名）、肝硬化（LC，100名）和健康獻血者（BDs）以及261名對照樣本術(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（非靶向分析/類固醇/脂質(zhì)）在內(nèi)的多個代謝組學平臺對914例樣本進行了檢測。采用三階段生物標志物開發(fā)策略（探索集/訓練集/測試集）總共鑒定了 477 種代謝物。

最后，根據(jù)代謝組學數(shù)據(jù)的結(jié)果發(fā)現(xiàn)了九種潛在的生物標志物。這9種代謝物與現(xiàn)有的胰腺癌診斷血液指標CA19-9結(jié)合使用，組合的標志物組甚至可以檢測98%的生物標志物。胰腺癌切除準確率達90.4%。組合標志物的 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，在一些疾病生物標志物的研究中，蛋白質(zhì)組學的應用也越來越廣泛。多組學技術(shù)的應用已是大勢所趨。接下來，我們通過另一個研究實例向大家介紹多組學技術(shù)在生物標志物篩選過程中的作用。

德國格賴夫斯瓦爾德大學2017年的一項研究結(jié)果發(fā)表在《BMC Medicine》雜志上（IF=8.097）。標題為“實驗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）特征的生物標志物。利用甲狀腺毒癥模型進行研究，并通過隨機森林的兩階段交叉程序，驗證篩選的生物標志物是否可以區(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，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志物來對TH狀態(tài)進行分類，研究人員通過兩階段交叉驗證程序建立了隨機森林分類器，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。