欢迎来到进口食品商务网！

由于分子测序技术的进步，科学家们已经从基因组、转录组、蛋白质组和代谢组中获得了丰富的数据。然而，这些“组学”数据集很复杂，目前还没有标准的方法来解析数据，将特定的生物标志物从可能的混杂变量中分离出来。

在最近的一项研究中，贝斯以色列女执事医疗中心(BIDMC)的科学家们评估了一种已经在其他领域使用的统计技术，以最大限度地减少其在两个结直肠癌(CRC)数据集的组学分析中的混淆因素。这项研究发表在《公共科学图书馆·综合》杂志上。

该团队的研究结果表明，这种被称为倾向评分匹配(PSM)的技术可能会成为一种高效且具有成本效益的策略，用于多组数据分析和生物标志物发现的临床试验设计。

通讯作者Michael H. Roehrl, MD, Ph.D.， MBA, BIDMC病理学系主任，和他的同事使用存档的组织样本根据患者生存信息将癌症病例分为预后良好或预后不良组。然后比较各组以发现预后蛋白或转录物生物标志物。

一个数据集来源于544例手术切除的结直肠癌组织的蛋白质组学表达谱，这些组织来自一家大型学术医疗中心的病理档案。该队列包括367例存活3年以上无复发的患者(好结果组)和60例3年内复发的患者(差结果组)。第二组包括163例CRC病例的RNA测序图谱，其中预后良好组130例，预后不良组33例。

与传统的比较癌症和正常组织随机队列的分析不同，PSM可以直接比较患者特征，发现新的预后生物标志物。通过创建最佳匹配组以最大限度地减少混杂效应，本研究表明，PSM能够在需要更少的癌症病例和更小的总体患者队列的同时，稳健地提取重要的生物标志物。

更多信息:Masaki Maekawa等人，倾向评分匹配作为生物标志物队列设计和组学数据分析的有效策略，PLOS ONE(2024)。DOI: 10.1371 / journal.pone.0302109期刊信息:PLoS ONE由Beth Israel Deaconess Medical Center提供引文:倾向评分匹配在癌症研究中提供更有效的生物标志物发现(2024,5月23日)检索自https://medicalxpress.com/news/2024-05-propensity-score-efficient-biomarker-discovery.html。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。