如何利用Meta-analysis分析挖掘175篇文獻中的COVID-19發(fā)病機制
WTO的數(shù)據(jù)顯示：截至2020年11月5日，COVID-19在全球范圍內(nèi)已造成120萬人死亡。患者的臨床表現(xiàn)具有多樣性且與個體免疫反應的差異高度相關，包括無癥狀、輕癥、中癥、重癥、死亡等。代謝促進人體的所有生物過程，包括免疫反應等，因此探究COVID-19如何影響人體的代謝產(chǎn)物可加速人們對該疾病的了解。
世界各地的學者和實驗室進行了許多代謝組研究，旨在揭示COVID-19患者在患病期間的代謝失調(diào)。許多研究獲得了突破性的結論和成果。氨基酸、能量代謝（糖酵解、TCA循環(huán)、戊糖磷酸途徑）、尿素循環(huán)、脂質(zhì)代謝產(chǎn)物（脂肪酸、花生四烯酸、甘油磷脂和鞘脂）等含量的變化現(xiàn)在被認為是COVID-19發(fā)病機制的重要特征。
對現(xiàn)有數(shù)據(jù)集進行Meta-analysis可以加速對COVID-19發(fā)病機制的了解，并有助于鑒別生物標記，以提供更好的臨床治療。該文獻結合對疾病現(xiàn)有的理解對Meta-analysis 的結果進行了說明。下文將依次介紹Meta-analysis的具體方法及實施步驟、文章選取的研究材料、研究方法、數(shù)據(jù)分析和研究結論。
Meta-analysis
DEF
Meta-analysis是一種定量統(tǒng)計合并的流行病學方法，Meta意思是more comprehensive，即更加全面綜合。其主要目的是將不同研究的結論更為客觀綜合地反映出來。在臨床研究領域，樣本量的局限性，實驗條件的差異都會影響研究的結論，因此同一方向的研究經(jīng)常會得出截然不同的結論，對臨床診斷和未來的研究人員產(chǎn)生誤導。Meta-analysis通過系統(tǒng)評價和統(tǒng)計分析，通過統(tǒng)計方法來糾正偏誤，使分析的結果更為全面和可靠，為臨床決策和未來的研究提供了良好的依據(jù)。在Meta-analysis的分析過程中，研究者不進行原始的研究，而是將研究已獲得的數(shù)據(jù)進行綜合分析。Meta-analysis是結論的結論，該方法不是研究問題的終點，而是階段性總結檢驗。
Framework
選題
對一些大樣本，多中心臨床合作已經(jīng)得到明確結論的課題，沒必要做Meta-analysis。對于結論有爭議，實驗樣本量較小的課題，才需要Meta-analysis。
文獻檢索
- 圈定搜索數(shù)據(jù)庫
- 確定語言類型
- 明確需要包含的研究類型
- 明確暴露因素/治療方法
- 篩選關鍵詞
- 檢索獲取摘要和全文
數(shù)據(jù)整合
描述性整合
- 建立干預/暴露因素是如何導致結果的假說，包括原因和適用人群
- 初步綜合納入的研究，以文本形式或者制表和／或圖形顯示
- 探討各研究內(nèi)或各研究間的關系
- 評估證據(jù)的穩(wěn)定性
- 評估Meta-analysis的重要性
定量整合
- 提高統(tǒng)計檢驗的power和精度
- 統(tǒng)計結合各研究結果給出一個“平均”干預效果的合并估計值，改進對作用效應的估計
- 評價結果一致性，解決不同研究間的矛盾
- 解決以往單個研究未明確的新問題
數(shù)據(jù)分析方法
- 異質(zhì)性檢驗（齊性檢驗）
- 統(tǒng)計合并效應量（加權合并，計算效應尺度及95％的置信區(qū)間）并進行統(tǒng)計推斷
- 圖示單個試驗的結果和合并后的結果：森林圖（Forrest plot）
- 敏感性分析：用來評估Meta-analysis分析結果的穩(wěn)定性
- 采用“倒漏斗圖”對入選文獻進行潛在的發(fā)表偏倚（publication bias）的評估
研究材料
文章從175篇與COVID-19相關的文章中選取了來自美國、中國和巴西的六項研究，共包含7個數(shù)據(jù)集（來自337個體的438個樣本）。
研究方法
- 多元統(tǒng)計分析(PCA/OPLS-DA)
- 通路分析
- network分析
- 熱力圖層次聚類分析
- Meta-analysis
數(shù)據(jù)分析
- 運用MetaboAnalystR 3.0 pipeline對原始數(shù)據(jù)集進行處理，根據(jù)正負離子合并后的峰強度得到最優(yōu)參數(shù)的列表。
- 運用PCA和OPLS-DA來判斷對照組（HCs）和新冠疾病組（COVID-19）的區(qū)別。PCA分析中得到的第一主成分和第二主成分可能由于代謝數(shù)據(jù)的高維問題，對總方差的解釋率較低。但在進一步進行OPLS-DA分析之后，兩組具有顯著區(qū)別（Q2 0.964 and R2 0.803）且置換檢驗顯示無過擬合現(xiàn)象。
- 運用Mummichog approach 對原始數(shù)據(jù)進行代謝通路的富集分析，其中發(fā)現(xiàn)HCs組和COVID-19組中有四條通路存在顯著差異。
- 在探究新冠病人體內(nèi)的代謝活動變化時，network 分析可以揭示協(xié)調(diào)代謝活動，作為代謝物簇在體內(nèi)的分布。
運用熱力圖層次聚類分析來判斷中癥患者和重癥患者體內(nèi)代謝物的差異水平，結果顯示八條代謝通路在中癥患者vs重癥患者中顯著下調(diào)。
研究結論
- 在所有研究人群中，COVID-19患者的總體代謝紊亂明顯。
- HCs組和COVID-19組中有四條通路存在顯著差異,分別是：Porphyrin metabolism、Valine, leucine and isoleucine degradation、Arachidonic acid metabolism、Biosynthesis of unsaturated fatty acids。
- 多種代謝途徑，例如氨基酸代謝、能量代謝、脂質(zhì)代謝等參與了COVID-19中免疫應答的啟動和維持。
- 通過比較COVID-19患者和健康受試者，發(fā)現(xiàn)最受干擾的途徑是卟啉代謝或血紅素的生物合成。
- 輕度至中度（MM）COVID-19病例的患者通常預后良好，并且可以很快康復。MM和嚴重COVID-19之間的通路分析顯示了六種常見的擾動通路。它們大多數(shù)是氨基酸途徑。
文獻原文下載
鏈接：https://pan.baidu.com/s/19knxvFCVqnC3B01LYhZzrg
提取碼：1jli
復制這段內(nèi)容后打開百度網(wǎng)盤手機App，操作更方便
