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。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)、脂質代謝產物（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的代謝活動變化時，network 分析可以揭示協(xié)調代謝活動，作為代謝物簇在體內的分布。
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。
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
復制這段內容后打開百度網(wǎng)盤手機App，操作更方便
