Generowanie kompleksowej bazy danych onkologii klatki piersiowej - narzędzie do badań translacyjnych
January 22nd, 2011
Baza danych onkologicznej klatki piersiowej została stworzona, aby służyć jako kompleksowe repozytorium danych klinicznych i laboratoryjnych dla celów badań translacyjnych. Baza danych będzie służyć badaczom zajmującym się rakiem translacyjnym w ramach Programu Badawczego Onkologii Klatki Piersiowej. Ta baza danych może być dostosowana do innych modeli nowotworów, a także do innych chorób ludzkich.
Jeden ze współczesnych paradygmatów badań nad rakiem utrzymuje, że zrozumienie zmian genetycznych prowadzących do raka doprowadzi do poprawy profilaktyki, wczesnego wykrywania, identyfikacji markerów prognostycznych i opracowania terapii celowanych. Ta onkologiczna baza danych w programie Microsoft Access jest podzielona na siedem podstawowych tabel, w tym tabelę pacjenta z informacjami klinicznymi, tabelę TMA z danymi dotyczącymi ekspresji białek oraz tabelę próbek DNA. W przypadku danych mutacyjnych opracowywane są relacje w celu powiązania danych między tabelami, tak aby badania laboratoryjne tkanki należącej do konkretnego pacjenta można było połączyć z jego historią kliniczną.
Połączone dane można następnie pobrać za pomocą zapytania do bazy danych i przeanalizować statystycznie w celu określenia relacji między ekspresją białka, DNA, mutacjami i wynikami klinicznymi. Ostatecznie połączenie danych klinicznych i laboratoryjnych ułatwia badanie aberracji genetycznych i ekspresji białek z perspektywy klinicznych punktów końcowych u pacjentów z rakiem. Kluczowym elementem badań translacyjnych jest zdolność do gromadzenia danych klinicznych i badań z zakresu nauk podstawowych oraz łączenia ich w znaczący związek.
Jednak narzędzia bioinformatyczne niezbędne do tego są często ograniczone i zależne od instytucji. Ta baza danych została opracowana, aby pomóc naszym badaczom odpowiedzieć na kluczowe pytania związane z translacyjnymi badaniami nad rakiem, takie jak to, w jaki sposób genetyczny i proteomiczny skład pacjenta może przyczyniać się do pewnych klinicznych punktów końcowych, takich jak odpowiedź na terapię lub przeżycie. Chociaż ta baza danych została opracowana dla badaczy i klinicystów zajmujących się nowotworami złośliwymi klatki piersiowej, model ten może być stosowany do innych chorób oraz do potrzeb badaczy i innych instytucji.
Mamy nadzieję, że zastosujesz ten protokół do własnych projektów baz danych. Przed rozpoczęciem projektu translacyjnej bazy danych konieczne jest opracowanie protokołów zatwierdzonych przez IRB. Aby zachować poufność danych pacjenta, wszystkie pobrane próbki, tkanki, krew lub inne płyny ustrojowe należy oznaczyć niepowtarzalnym identyfikatorem z kodem kreskowym i odpowiednio udokumentować je w formularzu pobrania próbki.
Aby rozpocząć tworzenie bazy danych, najpierw utwórz tabele podstawowe, aby uchwycić interesujące nas domeny, takie jak informacje o danych próbek pacjentów, mikromacierz tkankowa i próbki DNA. Inne interesujące tabele mogą obejmować konferencję onkologiczną klatki piersiowej, linie komórkowe i tabele gans. W celu utworzenia tabeli w programie Microsoft Access należy przejść do zakładki tworzenie i wybrać tabelę.
Początkowo tabela jest prezentowana w widoku karty katalogowej. Jednak, aby wprowadzić interesujące zmienne, tabela musi być przedstawiona w widoku projektu. Na karcie głównej wybierz widok, widok projektu, wprowadź i opisz interesujące zmienne w widoku projektu dla tabeli pacjenta.
Obejmuje to numer dokumentacji medycznej, nazwisko, imię, datę urodzenia i tak dalej. W widoku projektu data pola musi być opisana za pomocą typu danych, ponieważ numer dokumentacji medycznej jest liczbą siedmiocyfrową. Ta zmienna będzie opisana jako zmienna numeryczna.
Ponieważ zmienna last name jest tekstowa, jest wymieniona jako zmienna tekstowa. Pomocne jest również podanie opisu zmiennej. Na przykład w przypadku zmiennej płeć ważne jest, aby osoba wprowadzająca dane wiedziała, że mężczyzna powinien być wprowadzony jako jeden, a kobieta jako dwa, zaprojektuj tabele tak, aby ograniczyć redundancję.
Tabela pacjenta powinna być jedynym miejscem, w którym w bazie danych przechowywane są szczegółowe informacje o pacjentach, ich nowotworze, przebiegu klinicznym, czynnikach ryzyka i wynikach. Opracuj tabelę danych próbek, aby połączyć próbki patologiczne ze źródłami ich pacjentów, ponieważ od każdego pacjenta można uzyskać wiele próbek. Tabela ta powinna łączyć numer identyfikacyjny każdej próbki z numerem dokumentacji medycznej pacjenta w tabeli TMA, w której przechwytuje dane dotyczące ekspresji białek wynikające z analizy immunohistochemicznej mikromacierzy tkankowej.
Oznacz badane białko i określ poziom ekspresji tego białka za pomocą znormalizowanego systemu punktacji. Zidentyfikuj również rodzaj tkanki, która została poddana analizie, taką jak nowotwór lub lista normalnych tkanek, wszystkie próbki DNA, które zostały poddane analizie mutacyjnej. W tabeli próbek DNA wyraźnie opisz zmiany genetyczne, takie jak opis dokładnej mutacji, gen, dla którego występuje mutacja, oraz końcowy wynik takiej mutacji.
Wygeneruj piątą tabelę konferencyjną dotyczącą onkologii klatki piersiowej, aby opisać cotygodniowe spotkania zespołu klinicznego onkologii klatki piersiowej. Uwzględnij istotne informacje wynikające z tych spotkań, takie jak dostępność próbek patologicznych Dla każdego pacjenta ustal wolnostojącą tabelę linii komórkowych, która opisuje linie komórkowe wykorzystywane w laboratorium. Dla celów badawczych opisz ważne cechy należące do każdej komórki.
Na koniec utwórz kolejną wolnostojącą tabelę dla CL elgana, aby wyświetlić listę receptorów autologicznych, kinaz tyrozynowych i powiązanej punktacji igły. Miara podobieństwa do białek ludzkich. Aby ułatwić wykonywanie zapytań z wielu tabel, poszczególne tabele muszą być połączone za pomocą kluczy podstawowych.
Ustal klucz podstawowy lub unikatowy identyfikator dla każdej tabeli. Niepowtarzalny identyfikator to liczba lub słowo, które reprezentuje tylko jedną niepowtarzalną osobę i nie może być wymienione dwa razy w tabeli. Na przykład numer dokumentacji medycznej pacjenta jest podstawowym kluczem w tabeli pacjenta.
Aby ustanowić klucz podstawowy, przejdź do widoku projektu w tabeli zainteresowań. Kliknij pole prawym przyciskiem myszy. Stanie się on kluczem podstawowym i kliknij opcję klucz podstawowy.
W celu połączenia tabel należy przejść do zakładki narzędzia bazy danych i kliknąć w ikonę relacji. Przeciągnij kursor myszy z pola zainteresowania w jednej tabeli do odpowiadającego mu pola w innej tabeli. W ten sposób dwie tabele są połączone z istniejącymi relacjami.
Następnie można uruchomić kwerendę Aby uzyskać powiązane informacje z wielu tabel, wybierz opcję projektu kwerendy na karcie tworzenia, wybierz i wyświetl tabele, w tym pola zainteresowania. Następnie wybierz interesujące Cię zmienne z każdej tabeli. Uruchom zapytanie, aby utworzyć wyniki w formie arkusza kalkulacyjnego i zapisać dane przy użyciu odpowiedniego rozszerzenia pliku w celu zaimportowania danych.
Sprawdź, czy istnieje idealne dopasowanie między nazwami zmiennych w zaimportowanych danych a nazwami zmiennych w programie Microsoft Access. Nie można pomyślnie zaimportować danych, jeśli zmienne są opisane inaczej, na przykład jeśli w jednej z nich znajdują się spacje, ale nie w drugiej. Po uzyskaniu symetrii między dwiema tabelami użyj kwerendy dołączającej lub aktualizującej, aby zaimportować dane do programu Access.
Kwerenda dołączająca dodaje nowe wiersze danych, takich jak nowi pacjenci, natomiast kwerenda aktualizująca aktualizuje dane dotyczące wpisów znajdujących się już w bazie danych. Aby wyeksportować dane jako arkusz kalkulacyjny Microsoft Excel, przejdź do zakładki dane zewnętrzne i kliknij eksportuj dane do Excela. Program Microsoft Access umożliwia również eksportowanie danych w innych powszechnie używanych formatach.
Badacz jest zainteresowany skorelowaniem informacji o białku paxin w tabeli pacjenta, tabeli TMA i tabeli próbek DNA. Ponieważ tabele są już połączone za pomocą numeru dokumentacji medycznej, dane można łatwo przeszukiwać W celu uzyskania odpowiednich informacji klika na zakładkę tworzenia i klika projekt zapytania. Z każdej tabeli wybiera trzy tabele interesujących pacjentów, TMA i próbki DNA.
Wybiera interesujące ją zmienne, takie jak imię i nazwisko pacjenta z tabeli pacjenta, pochodzenie próbki z tabeli TMA, ekspresję paxin z tabeli TMA oraz mutacje Paxin z tabeli próbek DNA. Klika run query, aby wygenerować zapytanie, a wyniki pojawią się w arkuszu kalkulacyjnym zapytania. Wszyscy pacjenci, dla których dostępne są zarówno dane dotyczące paxin, ekspresji, jak i mutacji, pojawią się w tym arkuszu kalkulacyjnym.
Następnie może zidentyfikować częstotliwość występowania takich mutacji, skorelować określone mutacje ze zmianami w ekspresji lub powiązać mutacje ze zmiennymi klinicznymi, takimi jak przeżycie. Należy pamiętać, że przedstawione tutaj wyniki dotyczą pacjentów z próbki, a nie rzeczywistych pacjentów zidentyfikowanych w bazie danych. Wyniki mogą być eksportowane do pierwotnej analizy danych przez biostatystyka, a wyniki są udostępniane badaczowi.
Podczas tworzenia takiej bazy danych ważne jest, aby upewnić się, że wszystkie dane są wprowadzane w spójny sposób. Dane powinny być wprowadzane tylko w polu. Jeśli badacz jest pewien jego ważności, konieczne jest ponowne podkreślenie znaczenia zachowania poufności i prowadzenia bazy danych, która jest ściśle zgodna z przepisami HIPAA i IRB.
Dzięki temu projektowi translacyjnej bazy danych wykorzystującemu program Microsoft Access udało nam się zbudować bazę danych zawierającą prawie 3000 unikalnych pacjentów i posiadającą dane dotyczące ekspresji 63 unikalnych białek Postępy, które możemy poczynić w identyfikacji takich mutacji, mogą potencjalnie prowadzić do poprawy naszej zdolności do zapobiegania, wykrywania i leczenia wyniszczających chorób.
Przegląd
Baza danych onkologii klatki piersiowej została stworzona jako kompleksowy zbiór danych klinicznych i laboratoryjnych dla badań translacyjnych. Ta adaptowalna baza danych ułatwi badania aberracji genetycznych i ekspresji białek u pacjentów z rakiem.
Kluczowe komponenty badania
Obszar nauki
- Translacyjne badania nad rakiem
- Rozwój bazy danych onkologicznej
- Integracja danych klinicznych i laboratoryjnych
Tło
- Rozumienie zmian genetycznych może poprawić profilaktykę i leczenie raka.
- Baza danych łączy badania laboratoryjne z historiami klinicznymi.
- Narzędzia bioinformatyczne do integracji danych są często ograniczone.
- Ten model można zastosować do innych chorób poza nowotworami klatki piersiowej.
Cel badania
- Opracowanie bazy danych łączącej dane kliniczne i laboratoryjne.
- Odpowiedź na kluczowe pytania w translacyjnych badaniach nad rakiem.
- Ułatwienie badań nad genetycznymi i proteomicznymi wkładami w wyniki kliniczne.
Stosowane metody
- Stworzenie podstawowych tabel w Microsoft Access do rejestracji danych.
- Łączenie tabel za pomocą kluczy głównych do odzyskiwania danych.
- Projektowanie tabel, aby ograniczyć redundancję i zapewnić integralność danych.
- Ustanowienie protokołów dotyczących poufności danych pacjentów i zarządzania nimi.
Główne wyniki
- Baza danych zawiera tabele dotyczące informacji o pacjentach, ekspresji białek i próbek DNA.
- Ustanowione są relacje między danymi, aby analizować wyniki kliniczne.
- Ułatwia zapytania na poziomie wielu tabel dla kompleksowej analizy.
- Dostarcza ram dla przyszłych projektów badań translacyjnych.
Wnioski
- Baza danych jest cennym narzędziem dla naukowców zajmujących się onkologią klatki piersiowej.
- Może być dostosowana do innych modeli raka i chorób.
- Zachęca do przyjęcia podobnych protokołów w innych ustawieniach badawczych.
Często zadawane pytania
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.
