生物标志物研究的设计与分析家庭作业帮助

即使个性化肿瘤学被广泛认为是迫在眉睫的现实，但目前根据预测性生物标志物，很少使用抗癌药物[1]。此外，尽管分子生物学取得了显着进步，但大多数抗癌药物的临床发展仍然基于常规随机研究，旨在检测未选择患者的统计学显着临床益处。这个事实的几个因素，包括癌症的复杂性，但可能一个主要原因是缺乏发现候选生物标志物的有效方法。实际上，对生物标志物验证[2]，[3]，[4]，[5]，[6]，[7]，[8]，[9]和[10]在生物标志物开发中。然而，这些资源和耗时的程序不能适用于每个候选人。因此，与经典药物开发类似，I期和II期试验选择哪些候选人应进行进一步测试，需要明确定义的方法来确定应该推进到验证的最有希望的候选生物标志物。

没有这种方法对癌症研究有相关的影响，包括不能识别强有力的候选人的探索性研究的扩散;无法比较研究中的生物标志物，并选择最可靠的结果;最重要的是，在许多抗癌药物的临床开发中没有固体生物标志物鉴定程序。这导致许多接受药物的患者不会使他们受益;而一些可能对某些特定患者有效的药物将永远不会被注册，因为我们无法识别这些目标群体。

生物标志物的缺乏降低了许多抗癌药物的功效，从细胞毒性化疗到抗血管生成。然而，由于预测性生物标志物代表每种药物的作用和抗性特征的分子机制的功能存在或不存在，似乎合理的假设所有药物应具有预测性生物标志物，并且可以使用适当的策略来鉴定这些标记。此外，生物标志物的发现允许了解这种敏感性和抗性的机制，并且开发改进的治疗策略来克服抗性，例如MEK抑制剂和BRAF抑制剂用于黑素瘤的组合[11]或新一代EGFR的设计[12 ]或ALK抑制剂[13]用于肺癌。相反，缺乏生物标志物阻碍了这种发展，以及对不同肿瘤类型中已知的生物标志物的验证。

尽管有这些缺点，一些优秀的生物标志物已被成功纳入标准的肿瘤学实践中，将未选择的患者的有效功效药物转化为我们治疗性武库的核心元素。本手稿重新审视了这些生物标志物的鉴定方法，借鉴了这些成功经验，提出了一个方法论框架，“设计指南”来规范和扩大这一关键领域。

方法

使用已发表的文献[14]和开放获取的互联网资源[15]，我们确定了常规用于为实体瘤患者开展靶向药物的预测性生物标志物。我们回顾了从临床和临床前的观点来看每个生物标志物的鉴定（表1）。结果由经验丰富的多个领域生物标志物研究专家组成的小组进行了分析，包括：医学和放射肿瘤学，病理学，分子肿瘤学，癌症免疫学，癌症遗传学，临床生物化学，研究护理，研究伦理和生物统计学。小组还讨论了监管和伦理环境如何进一步支持生物标志物的发展。

大量统计分析的基本目标是确定对结果重要的因素。无论使用简单的双样本t检验，更复杂的广义线性模型或多变量分析方法（如主成分分析，因子分析和判别分析），目标是确定结果是否受到可测量协变量的影响。对于肿瘤学研究，生物标志物已经成为重要的协变量，因为生物标志物鉴定可以导致靶向治疗，从而成为个性化癌症治疗的第一步。由于生物标志物作为临床结果的预后和预测因素进行了探索，因此了解生物标志物验证的常见统计学问题非常重要。

像任何其他基于统计学方法的验证过程一样，生物标志物验证必须从反映真实生物关系的那些机会中辨别出偶然发生的关联。如Genser等人所述，大多数研究人员使用统计学显着性水平来确定分析结果（即p值）是否可能是机会的结果[1]。心室相关性和多重性是计算分析适当p值的两个主要因素，因此是生物标志物验证的两个重要因素。由于多个潜在生物标志物的调查或由于多个终点或反应措施的调查，多重性可能是一个问题。具有多个端点的研究需要对每个比较显着性水平，结果优先级或复合终点的开发进行多次测试校正。许多用于评估生物标志物的预后或预测价值的研究是回顾性病例对照研究，其携带回顾性观察性研究固有的典型行李，如选择偏倚。本文的目的是讨论在生物标志物研究的设计和分析中应该解决的四个重要的统计问题。

生物标志物验证的主要统计关注在很大程度上不是数据分析新手。评估单个生物标志物是否与诸如肿瘤反应的临床结果相关联与评估吸烟是否与肺癌相关并因此具有许多相同的固有问题没有什么不同。回顾性生物标志物研究可能患有选择偏倚，与任何回顾性观察研究相同。纵向生物标志物研究（即，每个受试者的多次观察）需要与任何其他统计建模练习相关的内在关系。然而，出现独特的细微差别，因为多样性可能不仅是由于子集分析而由多次比较引起的典型推理多重性，而且还是由大量候选生物标志物的调查引起的。候选基因的数量在生物标志物发现阶段相当大，成千上万。