Generatie van Integrale Thoracale Oncologie Database - Tool voor Translationeel Onderzoek
22 januari 2011
Een thoracale oncologie databank werd ontwikkeld om te dienen als een algemene bewaarplaats voor klinische en laboratorium gegevens ten behoeve van translationeel onderzoek. De database zal dienen translationeel kankeronderzoek onderzoekers binnen de Thoracic Oncology Research Program. Deze database is aan te passen aan andere kanker modellen, evenals andere ziekten bij de mens.
Een modern kankeronderzoeksparadigma stelt dat het begrijpen van de genetische veranderingen die tot kanker leiden, zal leiden tot verbeteringen in preventie, vroege detectie, het identificeren van prognostische markers en het ontwikkelen van gerichte therapieën. Deze oncologiedatabase in Microsoft Access spreidt zich uit over zeven primaire tabellen, waaronder een tabel met patiëntgegevens met klinische informatie, een TMA-tabel met eiwitexpressiedata en een tabel met DNA-specimens. Met mutationele gegevens worden relaties ontwikkeld om de gegevens tussen de tabellen te koppelen, zodat de laboratoriumstudies van weefsel dat toebehoort aan een specifieke patiënt, verbonden kunnen worden met zijn of haar klinische geschiedenis.
De gekoppelde gegevens kunnen vervolgens worden opgevraagd via een query van de database en statistisch geanalyseerd om relaties tussen eiwitexpressie, DNA, mutaties en klinische resultaten te bepalen. Uiteindelijk vergemakkelijkt het koppelen van klinische en laboratoriumgegevens het onderzoek naar genetische afwijkingen en eiwitexpressie vanuit het perspectief van klinische eindpunten bij kankerpatiënten. Een sleutelcomponent van translationeel onderzoek is de mogelijkheid om klinische en fundamentele wetenschappelijke onderzoeksgegevens te verzamelen en deze twee in een zinvolle relatie samen te voegen.
Echter, de bioinformaticatools die hiervoor nodig zijn, zijn vaak beperkt en afhankelijk van de instelling. Deze database werd ontwikkeld om onze onderzoekers te helpen antwoorden te geven op belangrijke vragen met betrekking tot translationeel kankeronderzoek, zoals hoe de genetische en proteomische samenstelling van een patiënt kan bijdragen aan bepaalde klinische eindpunten, zoals respons op therapie of overleving. Hoewel deze database werd ontwikkeld voor onderzoekers en clinici die betrokken zijn bij thoracale maligniteiten, kan dit model worden toegepast op andere ziekten en aangepast worden aan de behoeften van onderzoekers en andere instellingen.
We hopen dat u dit protocol zult overnemen voor uw eigen databaseprojecten. Voordat u begint met een translationeel databaseproject, is het essentieel om IRB-goedgekeurde protocollen te ontwikkelen. Om de vertrouwelijkheid van de patiënt te waarborgen, label alle verzamelde specimens, weefsel, bloed of andere lichaamsvloeistoffen met een barcode met een uniek identificatienummer en documenteer ze op de juiste manier in het formulier voor monstersprocurering.
Om te beginnen met het ontwikkelen van de database, moet u eerst primaire tabellen maken om domeinen van belang vast te leggen, zoals informatie over monsters van patiënten, weefselmicroarray en DNA-specimens. Andere tabellen van belang kunnen onder meer borstoncologieconferentie, cellijnen en gans-tabellen omvatten. Om een tabel in Microsoft Access te maken, gaat u naar het tabblad maken en selecteert u tabel.
Aanvankelijk wordt de tabel gepresenteerd in de gegevensbladweergave. Om variabelen van belang in te voeren, moet de tabel echter in ontwerpweergave worden gepresenteerd. Selecteer onder het tabblad start, weergave, ontwerpweergave, voer variabelen van belang in en beschrijf ze in de ontwerpweergave voor de tabel van de patiënt.
Dit omvat het medisch dossiernummer, achternaam, voornaam, geboortedatum, enzovoort. In ontwerpweergave moet het veld datum worden beschreven met een gegevenstype, aangezien het medisch dossiernummer een zevencijferig nummer is. Deze variabele wordt beschreven als een numerieke eenheid.
Aangezien de variabele achternaam tekst is, wordt deze als een vrij tekstvariabele vermeld. Het is ook nuttig om een beschrijving voor de variabele te geven. Bijvoorbeeld, voor de variabele geslacht, is het belangrijk dat de gegevensinvoerder weet dat mannelijk moet worden ingevoerd als één en vrouwelijk als twee, ontwerp de tabellen om redundantie te beperken.
De tabel van de patiënt moet de enige plaats zijn waar gedetailleerde informatie over de patiënten, hun kanker, hun klinische verloop, hun risicofactoren en hun resultaten binnen de database wordt bewaard. Ontwikkel een voorbeeldgegevenstabel om pathologische specimens te koppelen aan hun patiëntenbronnen, aangezien er meerdere specimens van elke patiënt kunnen worden verkregen. Deze tabel moet het identificatienummer van elk specimen koppelen aan het medisch dossiernummer van de patiënt in een TMA-tabel die eiwitexpressiegegevens vastlegt die resulteren uit immunohistochemische analyse van weefselmicroarray.
Label het eiwit dat is bestudeerd en identificeer het expressieniveau van dat eiwit met behulp van een gestandaardiseerd scoresysteem. Identificeer ook het type weefsel dat is geanalyseerd, zoals tumor of normaal weefsel. Vermeld alle DNA-specimens die mutatieanalyse hebben ondergaan. In een tabel met DNA-specimens, annoteer duidelijk genetische veranderingen, zoals een beschrijving van de exacte mutatie, het gen waarvoor er een mutatie is en het eindresultaat van een dergelijke mutatie.
Genereer een vijfde borstoncologieconferentietabel om de wekelijkse vergaderingen van het klinische team voor thoracale oncologie te beschrijven. Bevat relevante informatie die uit deze vergaderingen voortvloeit, zoals de beschikbaarheid van pathologische specimens. Voor elke patiënt, stel een vrijstaande cellijnentabel in die de cellijnen beschrijft die in het laboratorium worden gebruikt. Voor onderzoeksdoeleinden, beschrijf belangrijke kenmerken van elke cel.
Maak tenslotte nog een vrijstaande tabel voor CL elgan om autologe receptor, tyrosinekinasen en bijbehorende naaldscore te vermelden. Een maatstaf voor gelijkenis met menselijke eiwitten. Om vragen vanuit meerdere tabellen te vergemakkelijken, moeten individuele tabellen via primaire sleutels worden gekoppeld.
Stel een primaire sleutel of uniek identificatienummer in voor elke tabel. Een uniek identificatienummer is een nummer of woord dat slechts één unieke persoon vertegenwoordigt en niet twee keer in een tabel kan worden vermeld. Bijvoorbeeld, het medisch dossiernummer van een patiënt is de primaire sleutel in de tabel van de patiënt.
Om een primaire sleutel in te stellen, gaat u naar de ontwerpweergave van de tabel van belang. Klik met de rechtermuisknop op het veld. Dat zal de primaire sleutel worden, en klik op de optie primaire sleutel.
Om de tabellen te koppelen, gaat u naar het tabblad databasehulpmiddelen en klikt u op het pictogram relaties. Sleep de muis van het veld van belang in één tab
Overzicht
Een thoracale oncologie database werd ontwikkeld om te dienen als een uitgebreide opslagplaats voor klinische en laboratoriumgegevens voor translationeel onderzoek. Deze aanpasbare database zal het onderzoek naar genetische afwijkingen en eiwitexpressie bij kankerpatiënten vergemakkelijken.
Belangrijkste studieonderdelen
Wetenschapsgebied
- Translationeel kankeronderzoek
- Ontwikkeling van oncologie database
- Integratie van klinische en laboratoriumgegevens
Achtergrond
- Het begrijpen van genetische veranderingen kan kankerpreventie en -behandeling verbeteren.
- De database verbindt laboratoriumstudies met klinische geschiedenissen.
- Bioinformaticatools voor data-integratie zijn vaak beperkt.
- Dit model kan worden toegepast op andere ziekten buiten thoracale maligniteiten.
Doel van het onderzoek
- Om een database te ontwikkelen die klinische en laboratoriumgegevens koppelt.
- Om belangrijke vragen in translationeel kankeronderzoek te beantwoorden.
- Om onderzoek naar genetische en proteomische bijdragen aan klinische uitkomsten te vergemakkelijken.
Gebruikte methoden
- Aanmaken van primaire tabellen in Microsoft Access voor datacapturing.
- Koppelen van tabellen via primaire sleutels voor data-opvragen.
- Ontwerpen van tabellen om redundantie te beperken en data-integriteit te waarborgen.
- Opstellen van protocollen voor patiëntvertrouwelijkheid en databeheer.
Belangrijkste resultaten
- De database omvat tabellen voor patiëntinformatie, eiwitexpressie en DNA-specimens.
- Relatie tussen gegevens worden vastgesteld om klinische uitkomsten te analyseren.
- Maakt query's mogelijk over meerdere tabellen voor een uitgebreide analyse.
- Biedt een raamwerk voor toekomstige translationele onderzoeksprojecten.
Conclusies
- De database is een waardevol hulpmiddel voor onderzoekers in thoracale oncologie.
- Het kan worden aangepast voor gebruik in andere kankermodellen en ziekten.
- Moedigt de adoptie van soortgelijke protocollen in andere onderzoeksomgevingen aan.
Veelgestelde vragen
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.
