生物标志物一般是指可供客观测定和评价的一个普通生理或病理或治疗过程中的某种特征性的生化指标，如特定生理指标、基因突变、蛋白或者代谢物等，通过对它的测定可以获知机体所处的生物学进程。生物标志物作为最直接快速有效的诊断手段，对疾病的诊断及预防起到关键作用。当前的临床科研工作中，寻找和发现有价值的生物标志物仍旧重要的科研热点。
高通量组学技术的进步为了解疾病的病理生理提供了新的机会，也进一步推动了生物标志物的研究和发展。以“biomarker”及相关关键词在PubMed数据库中检索，可以看到生物标志物的文章数量呈逐年上升趋势，这也反映出生物标志物研究的热度仍在持续升高。值得注意的是在当前FDA批准的疾病诊断的分子标志物中，超过50%标志物也都是蛋白或者多肽！这与蛋白生物标志物的文献占比数量也是一致的。相信随着蛋白组学技术的持续发展，在更高深度、更高准确度的检测技术的加持下，基于蛋白质组学的生物标志物研究将帮助人类发现更多有价值的生物标志物。
传统的标志物筛选的方法，如常规的单维统计学检验方法(t检验、非参数检验等)在标志物筛选中受方法本身的限制，存在筛选能力弱，返回大量的差异数据，指标间的互作关系以及对新样本有预测分类能力弱等，导致生成的生物标志物稳定性差，应用能力低，模型结果往往表现的不够理想，最终导致标志物的实际应用结果不理想。而机器学习很好的解决了这一问题，提供了一种合理的，数据驱动的方法，并且输出是信号的最佳组合。不同于常规的机器学习需要大样本进行训练，吉凯的机器学习算法进行参数的一些列调整和优化后，能够很好的适用在小样本规模上，真正上小样本也能用得上高大上的机器学习算法。
究竟生物标志物实验方案该如何设计、关键因素有哪些？基于质谱的蛋白质组学和新一代的Olink蛋白质组学该如何选择？机器学习又是如何助力从高通量数据中发现可靠的生物标志物？如果您有类似的疑问，欢迎您关注并收看吉凯基因8月10日（周三）14:00的线上直播，我们将为您全面了解生物标志物研究的实验设计和数据挖掘！
|
直播时间：8月10日（周三） 14：00
|
报告一：蛋白质组学在疾病标志物研究中的应用及方案设计要点
|
夏红蕾 质谱线售前科研顾问
讲座时间：14：00-14：40
主讲内容：
• 吉凯合作案例：6个样本发9分杂志？10个样本发10分杂志？
• 生物标志物方案设计的基本思路及高分因素
• 蛋白质组学技术选择：基于质谱的蛋白质组学 VS Olink蛋白质组学
|
|
报告二：基于机器学习的生物标志物筛选策略及生信结果的使用指导
|
郝慧渊 生信售前顾问
讲座时间：14：40-15：20
主讲内容：
• 机器学习算法的应用及技术优势介绍
• 机器学习算法对样本数、临床表型数据的要求及输出生信结果介绍
• 机器学习算法输出的生信结果通常是如何进行专业的描述与使用的？
|
|
关于吉凯：
吉凯基因成立于 2002 年，以标准化科研平台为基础，诊疗现状中存在的待解决问题和治疗策略作为研究起点，为中国研究型医生提供科研服务，加快科研成果转化；并以持续开发创新药物为手段、以提高中国高发少药疾病（包括肺癌、肝癌、胃癌、结直肠癌等）患者的生存率和生活质量为使命，通过标准化基础研究平台与数据库为核心驱动力的药物研发平台，赋能公司/合作方在肿瘤领域以更低成本、更高成功率开发创新药物。公司凭借多年在靶标筛选及验证服务领域的技术积累，建立了标准化 、工程化 、系统化的 GRP 平台，并以 GRP 平台为源头持续转化出可创造长期收益的新药研发管线。
作为国内药物靶标发现的先行者，吉凯基因业务覆盖从靶标筛选及验证、抗体药物及细胞治疗药物的临床前研究以及 I 期临床研究等药物开发全流程中的源头创新阶段。公司设立至今，一直利用 RNAi 技术，开展药物靶标发现及其衍生业务，已为超过 300 家研究型医院的研究型医生提供靶标筛选及验证服务。
|
|
