综合胸部肿瘤生成数据库 - 翻译研究的工具
2011年1月22日
胸部肿瘤学数据库的开发作为一个全面的临床和实验室数据转化研究的目的资料库。该数据库将成为平移癌症研究人员在胸部肿瘤研究计划。这个数据库是适应其他癌症模型，以及其他人类疾病。
一种现代癌症研究范式认为，了解导致癌症的基因改变将导致预防、早期发现、识别预后标志物和开发靶向治疗的改进。Microsoft Access 中的这个肿瘤学数据库分布在七个主要表中，包括包含临床信息的患者表、包含蛋白质表达数据的 TMA 表和 DNA 标本表。通过突变数据，可以建立关系以链接表格之间的数据，以便属于特定患者的组织的实验室研究可以与他或她的临床病史联系起来。
然后可以通过查询数据库来检索链接数据，并进行统计分析，以确定蛋白质表达、DNA、突变和临床结果之间的关系。最终，将临床和实验室数据联系起来有助于从癌症患者的临床终点角度研究遗传畸变和蛋白质表达。转化研究的一个关键组成部分是积累临床和基础科学研究数据的能力，并将两者融合成一种有意义的关系。
然而，做到这一点所需的生物信息学工具通常是有限的，并且依赖于机构。该数据库旨在帮助我们的研究人员回答与转化癌症研究相关的关键问题，例如患者的遗传和蛋白质组学构成如何影响某些临床终点，例如对治疗的反应或生存率。虽然该数据库是为涉及胸部恶性肿瘤的研究人员和临床医生开发的，但该模型可应用于其他疾病，并满足研究人员和其他机构的需求。
我们希望您将此协议用于自己的数据库项目。在启动转化数据库项目之前，必须制定 IRB 批准的方案。为了保护患者的机密性，请使用条形码唯一标识符标记所有收集的样本、组织、血液或其他体液，并在样本采购表中适当记录它们。
要开始开发数据库，首先创建主表以捕获感兴趣的域，例如有关患者样本数据、组织微阵列和 DNA 样本的信息。其他感兴趣的表格可能包括胸部肿瘤学会议、细胞系和 gans 表格。要在 Microsoft Access 中创建表，请转到 create 选项卡并选择 table。
最初，该表以数据表视图显示。但是，为了输入感兴趣的变量，必须在设计视图中显示该表。在主页选项卡下，选择视图、设计视图，在患者表的设计视图中输入和描述感兴趣的变量。
这将包括病历编号、姓氏、名字、出生日期等。在设计视图中，字段日期必须使用数据类型进行描述，因为医疗记录号是一个 7 位数字。此变量将描述为数字变量。
由于变量 last name 是 text，因此它被列为自由文本变量。为变量提供描述也很有帮助。例如，对于变量，数据输入人员必须知道 male 应该输入为 1，female 应该输入为 2，设计表格以限制冗余。
患者表应该是数据库中保存有关患者、癌症、临床病程、风险因素和结果的详细信息的唯一位置。开发样本数据表，将病理标本与其患者来源联系起来，因为可以从每个患者那里获得多个标本。该表应将每个标本的识别号与 TMA 表中患者的病历号联系起来，以捕获组织微阵列免疫组织化学分析产生的蛋白质表达数据。
标记已研究的蛋白质，并使用标准化评分系统鉴定该蛋白质的表达水平。还要确定已分析的组织类型，例如肿瘤或正常组织列表，所有经过突变分析的 DNA 标本。在 DNA 标本表中，清楚地注释遗传改变，例如确切突变的描述、发生突变的基因以及此类突变的最终结果。
生成第五个胸部肿瘤学会议表，以描述胸部肿瘤学临床团队的每周会议。包括这些会议产生的相关信息，例如病理标本的可用性 对于每位患者，建立一个独立的细胞系表，描述实验室中使用的细胞系。出于研究目的，描述属于每个细胞的重要特征。
最后，为 CL elgan 创建另一个独立的表格，以列出自体受体、酪氨酸激酶和相关的针评分。与人类蛋白质相似性的衡量标准。为了便于从多个表中进行查询，必须通过主键链接各个表。
为每个表建立主键或唯一标识符。唯一标识符是仅代表一个唯一个体的数字或单词，不能在表中列出两次。例如，患者的病历号是患者表中的主键。
要建立主键，请转到相关表的设计视图。右键单击该字段。这将成为主键，然后单击选项 主键.
要链接表，请转到 database tools 选项卡，然后单击 relationships 图标。将鼠标从一个表中的感兴趣字段拖动到另一个表中的相应字段。通过这种方式，两个表通过就地关系连接起来。
然后，可以运行查询要从多个表中获取相关信息，请选择 create 选项卡下的查询设计选项，选择并显示表，包括感兴趣的字段。然后从每个表中选择感兴趣的变量。运行查询以生成结果的电子表格形式，并使用适当的文件扩展名保存数据以导入数据。
验证导入数据中的变量名称与 Microsoft Access 中的变量名称之间是否完全匹配。如果变量的描述方式不同，例如，一个变量中有空格，而另一个变量中没有空格，则无法成功导入数据。在两个表之间获得对称性后，使用 append 或 update 查询将数据导入 access。
append 查询添加新的数据行，例如新患者，而 update 查询将更新数据库中已有条目的数据。要将数据导出为 Microsoft Excel 电子表格，请转到 External data 选项卡，然后单击 export data to Excel。Microsoft Access 还允许以其他常用格式导出数据。
研究人员对患者表、TMA 表和 DNA 标本表中的蛋白 paxin 信息感兴趣。由于表格已经通过病历编号链接，因此可以很容易地查询数据 为了获得相关信息，她单击了 create 选项卡并单击 query design。她从每个表中选择三个感兴趣的患者表、TMA 和 DNA 样本。
她从患者表中选择感兴趣的变量，例如患者姓名，从 TMA 表中选择样本来源，从 TMA 表中选择帕克辛表达，从 DNA 标本表中选择帕克辛突变。她点击 run query 来生成查询，结果显示在查询电子表格中。所有同时具有 paxin 、 expression 和 mutation 数据的患者都将出现在此电子表格中。
然后，她可以识别此类突变的频率，将特定突变与表达变化相关联，或将突变与生存率等临床变量相关联。请注意，此处显示的结果适用于样本患者，而不是数据库中确定的真实患者。结果可以导出以供生物统计学家进行主要数据分析，并将结果与研究人员共享。
在创建此类数据库时，确保以一致的方式输入所有数据非常重要。数据只能输入到字段中。如果研究人员确定其有效性，则有必要再次强调保持机密性并保持严格遵守 HIPAA 和 IRB 法规的数据库的重要性。
通过这个使用 Microsoft Access 的转化数据库项目，我们已经能够构建一个包含近 3000 名独特患者的数据库，并拥有 63 种独特蛋白质的表达数据我们在识别此类突变方面取得的进步有可能提高我们预防、检测和治疗毁灭性疾病的能力。
概述
开发了一个胸腔肿瘤数据库，作为转化研究的临床和实验室数据的综合存储库。这个可调整的数据库将促进对癌症患者的基因畸变和蛋白质表达的研究。
关键研究组成部分
科学领域
- 转化癌症研究
- 肿瘤数据库开发
- 临床和实验室数据整合
背景
- 了解基因改变可以改善癌症预防和治疗。
- 数据库将实验室研究与临床历史联系起来。
- 用于数据整合的生物信息学工具通常是有限的。
- 这个模型可以应用于其他疾病，而不仅仅是胸腔恶性肿瘤。
研究目的
- 开发一个链接临床和实验室数据的数据库。
- 回答转化癌症研究中的关键问题。
- 促进对基因和蛋白质组学对临床结果贡献的研究。
使用的方法
- 在Microsoft Access中创建主要表格以捕获数据。
- 通过主键链接表格以检索数据。
- 设计表格以限制冗余并确保数据完整性。
- 建立患者保密性和数据管理的协议。
主要结果
- 数据库包括患者信息、蛋白质表达和DNA样本的表格。
- 建立数据之间的关系以分析临床结果。
- 促进跨多个表格的查询以进行全面分析。
- 为未来的转化研究项目提供框架。
结论
- 该数据库是胸腔肿瘤学研究人员的宝贵工具。
- 它可以适用于其他癌症模型和疾病。
- 鼓励在其他研究环境中采用类似的协议。
常见问题
Executive Industry Relevance
Integrating clinical and laboratory data in a structured database enables biopharma R&D teams to interrogate therapeutic hypotheses with greater predictive confidence. This approach supports target validation by linking molecular alterations to clinical endpoints, facilitating data-driven go/no-go decisions in oncology drug discovery. The model provides a reusable framework for de-risking early-stage programs through mechanistic insight and translational continuity.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of genetic and proteomic alterations in relation to clinical outcomes such as survival or therapy response.
- Operational Value: Provides a standardized repository for annotating specimens with barcoded identifiers, ensuring consistent data entry across teams.
- Translational Value: Links laboratory findings (e.g., protein expression, mutations) to patient histories, supporting hypothesis generation for target prioritization.
Screening & Assay Development
- Scientific Value: Supports assay readiness by linking TMA-based protein expression data to genomic and clinical variables for correlative analysis.
- Operational Value: Establishes reproducible workflows for data import via append/update queries, minimizing redundancy and ensuring integrity.
- Scalability Value: Demonstrates how a Microsoft Access-based system can scale to nearly 3,000 patients with multi-omic data, enabling platform reuse across projects.
Translational & Preclinical Research
- Scientific Value: Facilitates study of genetic aberrations from the perspective of clinical endpoints, improving predictive models for preclinical advancement.
- Operational Value: Uses relationship mapping in Access to connect DNA specimens, TMA, and patient tables, enabling cross-functional querying.
- Translational Value: Supports biomarker alignment by correlating molecular data (e.g., Paxin expression) with clinical variables, informing risk-adjusted advancement.
Pipeline & Workflow Integration
The database fits within the discovery continuum by enabling hypothesis testing in early research, supporting assay development through standardized data capture, and informing preclinical decisions via integrated molecular-clinical analysis.
- Discovery Biology: Supports hypothesis testing by linking molecular data (mutations, expression) to clinical outcomes through query-driven analysis.
- Screening: Enables assay readiness by standardizing specimen annotation and linking TMA, DNA, and patient data for reliable compound evaluation.
- Analytics: Provides quantitative outputs via queried data export, allowing statistical analysis of relationships between biomarkers and clinical endpoints.
- Translational Research: Connects discovery to preclinical continuity by aligning molecular profiles with clinical histories, supporting biomarker-driven stratification.
- Enterprise Reuse: Offers a reusable infrastructure model adaptable to other diseases, reducing redundant database development across teams.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity through integrated data analysis.
- Operational Value: Ensures standardization and reproducibility via SOPs, unique identifiers, and consistent table design.
- Strategic Value: Improves go/no-go decisions by enabling evidence-based target validation, reducing late-stage biological risk.
- Portfolio Impact: Supports risk-adjusted prioritization by linking preclinical findings to clinical relevance through queryable datasets.
Implementation Considerations
- Requires expertise in clinical data abstraction, bioinformatics, and database design to ensure accurate annotation and linkage.
- Needs Microsoft Access or compatible relational database infrastructure to establish table relationships and run queries.
- Demands cross-team standardization in data entry, variable naming, and identifier use to maintain integrity during import and export.
- Involves adaptation considerations when extending the model to other tissue types or disease areas beyond thoracic oncology.
- Includes practical limitations such as dependency on consistent variable naming for successful data import and the need for IRB-approved protocols prior to initiation.
