《Nucleic Acids Research》：PhenX Toolkit: a knowledgebase that enables consistent data collection and facilitates cross-study analysis and data reuse
编辑推荐：
PhenX（表型与暴露共识测量，consensus measures for Phenotypes and eXposures）Toolkit（https://www.phenxtoolkit.org/）是一个公开可用的知识库，收录了成熟确立、经广泛验证的测量
PhenX（表型与暴露共识测量，consensus measures for Phenotypes and eXposures）Toolkit（https://www.phenxtoolkit.org/）是一个公开可用的知识库，收录了成熟确立、经广泛验证的测量方案（measurement protocols），推荐用于涉及人类参与者的基因组学、临床、转化和流行病学研究。一致使用PhenX方案（包括问卷、生物测定和身体评估）可提高研究数据的严谨性、透明度、可重复性和可比性。该Toolkit近期在美国国立卫生研究院（NIH，National Institutes of Health）实施计划“Leading in Gold Standard Science”中被重点提及，作为推进可重复生物医学研究的努力示例。该Toolkit目前包含1010项方案，涵盖广泛疾病、暴露和研究设计。内容开发由科学界通过基于共识的过程指导，涉及专家工作组（Working Groups）、社区意见和PhenX指导委员会（PhenX Steering Committee）的战略监督。与NIH各研究所的合作扩展了优先领域的Toolkit内容，包括物质使用和心血管疾病。PhenX Toolkit增强研究设计并支持所选方案的实施。PhenX还与促进数据采集的资源（REDCap，Research Electronic Data Capture，研究电子数据采集）、数据标准（LOINC，Logical Observation Identifiers Names and Codes，逻辑观察标识符名称和代码）和数据存储库合作，以促进互操作性和跨研究分析。迄今为止，该Toolkit已在711项NIH资助机会中被推荐，并在>1300篇出版物中被引用。未来方向亦被讨论。
研究背景与意义：PhenX Toolkit（consensus measures for Phenotypes and eXposures，表型与暴露共识测量）最初旨在提高常见复杂疾病全基因组关联研究（GWAS，genome-wide association studies）中所用测量的一致性，后扩展至流行病学、临床和转化研究。许多疾病共享吸烟、膳食摄入等风险因素，不同研究类型可能采集相似表型和暴露，但测量方案不一致会使数据难以合并或比较，限制统计效能、结果验证和泛化，并妨碍数据复用。为此，需要一套成熟、广泛验证、可重复、可靠且低负担的测量方案作为“共同货币”。该文介绍PhenX Toolkit这一公开知识库及其内容、功能、数据生态和社区参与，指出其提高研究严谨性、透明度、可重复性和可比性，并已被美国国立卫生研究院（NIH，National Institutes of Health）实施计划“Leading in Gold Standard Science”作为推进可重复生物医学研究的示例。论文发表于《Nucleic Acids Research》。
研究概述：研究人员围绕PhenX Toolkit开展知识库/资源描述性研究，报告其当前包含1010项方案，覆盖30个研究领域和6个研究集合；内容由科学界通过共识过程开发，包括专家工作组（WGs，Working Groups）、社区意见和PhenX指导委员会（SC，Steering Committee）战略监督；与NIH研究所合作扩展物质使用和心血管疾病等优先领域；与REDCap（Research Electronic Data Capture，研究电子数据采集）、LOINC（Logical Observation Identifiers Names and Codes，逻辑观察标识符名称和代码）和数据存储库协作促进互操作和跨研究分析；迄今在711项NIH资助机会中被推荐，并在超过1300篇出版物中被引用。其意义在于以标准化方案支持研究设计、实施和数据复用，促进FAIR（Findable, Accessible, Interoperable, Reusable，可发现、可访问、可互操作、可复用）原则。
关键技术与方法：该文为知识库/资源描述性论文，未报告原始样本队列；仅以All of Us、ECHO（Environmental influences on Child Health Outcomes，儿童健康结局环境影响）和ABCD（Adolescent Brain Cognitive Development，青少年脑认知发展）等大型研究/队列作为协议使用场景。主要方法为：SC制定纳入标准并统筹优先领域，WGs、ERPs（Expert Review Panels，专家审查小组）和CEPs（Content Expert Panels，内容专家小组）开展共识遴选，社区反馈与NIH IC（Institute/Center，研究所/中心）联络员参与内容拓展；将方案映射至LOINC、NIH CDEs（Common Data Elements，通用数据元素）、HPO（Human Phenotype Ontology，人类表型本体）、dbGaP（database of Genotypes and Phenotypes，基因型与表型数据库）及HL7 FHIR（Health Level 7 Fast Healthcare Interoperability Resources，快速医疗互操作资源）问卷资源；平台采用AWS（Amazon Web Services，亚马逊云服务）云环境、容器化部署、GitHub Actions持续集成/持续交付（CI/CD）及Aurora MySQL、S3（Amazon Simple Storage Service，亚马逊简单存储服务）等；提供DOI（Digital Object Identifiers，数字对象标识符）、My Toolkit、数据字典/数据采集工作表和智能检索。
研究结果：Toolkit content：通过资源盘点，得出Toolkit含1010项方案、30个领域和6个集合，覆盖疾病、暴露、生活方式与协变量，并以集合补充物质使用、精神健康、血液科学、烟草监管研究、健康社会决定因素和COVID-19等主题。Study design：通过汇总NIH保密证书、基因组数据共享、公共卫生伦理和知情同意等政策链接，得出其可辅助人类参与者研究设计。Data interoperability：通过将方案链接至LOINC、NIH CDEs、NCI Cancer Data Standards Registry and Repository（caDSR，癌症数据标准注册与存储库）CDEs、HPO等标准及dbGaP、NIMH Data Archive（NDA，美国国家精神卫生研究所数据档案）等存储库，并表示为HL7 FHIR问卷资源，得出其支持数据共享、查找和电子录入。PhenX in the data ecosystem：通过分析方案与DOI、LOINC、NIH CDE Repository、DataCite的关联及可免费下载，得出其支持FAIR原则并与相关资源互补。Toolkit features：通过功能说明，得出平台具备浏览/搜索、方案页面、My Toolkit和云架构等能力。Browse and search：通过领域/集合浏览、字母列表过滤、基于NCI Metathesaurus（NCIm，美国国家癌症研究所元词表）映射的高特异性智能搜索和高敏感性文本搜索，得出其可跨领域查找方案。Protocol page：通过结构化展示来源、变量、出版物、DOI和“Cite This Protocol”按钮，得出其促进一致引用和可发现性。My Toolkit page：通过汇集方案、下载DDs（Data Dictionaries，数据字典）和DCWs（Data Collection Worksheets，数据采集工作表）、自动汇总DOI引用列表并导入Endnote或Zotero，得出其支持方案组织和准确引用。Toolkit architecture：通过AWS云环境、容器化应用、EC2（Amazon Elastic Cloud Compute，亚马逊弹性云计算）、Aurora MySQL、S3、GitHub Actions和CI/CD流程，得出现代化架构提高安全性、部署可靠性、运营效率和自动化，并为未来ECS（Amazon Elastic Container Service，亚马逊弹性容器服务）编排预留空间。PhenX in the community：通过社区参与循环，得出其通过教育、参与和出版提高认知与采用。Education：通过网络研讨会、录制视频和计划中的教学材料及CTSA（Clinical and Translational Science Awards，临床与转化科学奖）合作，得出其支持早期职业研究者和新兴研究者。Engagement：通过与13个NIH IC联络员双向沟通、向超过6000名注册用户发送通讯、利用YouTube和LinkedIn/Bluesky及参加ASHG（American Society of Human Genetics，美国人类遗传学学会）年会，得出其保持对NIH资助研究者需求的响应。Publication：通过引用工具和识别使用PhenX的主要研究，得出其帮助准确引用。Publications citing PhenX：通过人工整理引用，得出其被超过1200篇出版物引用，涵盖跨研究分析、高优先级NIH研究、政策声明、临床实践指南和临床试验终点建议。Future directions：通过展望，得出未来推进CTSA教育整合、Ask PhenX聊天机器人和AI-ready架构。Plan to engage CTSAs：通过拟将PhenX教育材料整合进CTSA项目，得出其计划支持未来科学家学习标准方案价值。AI-based chatbot to enhance the user experience：通过计划创建“Ask PhenX”，整合术语表、FAQ、快速入门指南、教程、研讨会、通讯、关于页面、名册和研究者指导等文档，得出其将提供更细致、个性化的探索和后续提问。Enhancements to the Toolkit’s architecture to make it more “AI ready”：通过云原生容器化、自动化部署、标准化数据管理、结构化元数据、应用程序接口和自动内容摄取管道，得出其为语义搜索、方案推荐、智能内容发现和自然语言访问等AI/ML（artificial intelligence/machine learning，人工智能/机器学习）能力奠定基础。
讨论与结论：讨论部分强调PhenX在复杂数据生态中与类似努力、标准、数据存储库和其他生物医学资源互补协作；社区参与、教育、出版和引用统计共同促进采用；未来方向包括CTSA教育整合、Ask PhenX和AI-ready架构。致谢中特别感谢由Mary Marazita主持的指导委员会。原文未设独立“结论”标题；摘要结论性语句可译为：“PhenX Toolkit增强研究设计并支持所选方案的实施；迄今为止，该Toolkit已在711项NIH资助机会中被推荐，并在超过1300篇出版物中被引用。未来方向亦被讨论。”这总结了其提高严谨性、透明度、可重复性和可比性，并支持跨研究分析和数据复用。
