Umeå University's logo

I och med utveckling inom storskalig analys av blodprover har man idag insett nyttan av att omvandla biobanker med lagrade humanprover till data-banker där forskare snabbt kan få tillgång till data för att svara på forsknings-frågor. Problemet är att många av teknikerna för att skapa storskaliga data är semikvantitativa, värdena går inte att relatera till en absolut koncentration och är därmed svåra att slå samman och jämföra över tid. Randomisering, det vill säga att proverna analyseras i slumpvis inbördes ordning, är en av de viktigas-te aspekterna för att skapa data som går att slå samman och återanvända för många forskningsfrågor. Detta underlättar korrigering av oönskade analysva-riationer över tid. Utöver detta kan man använda sig av bryggningsprover, QC-prov (kvalitetskontrollprov) eller ankarprover, som analyseras upprepat både inom och mellan analystillfällen, vilket underlättar att lägga samman dataset som analyseras vid olika tillfällen.

Många kommersiella analysplattformar inkluderar ett eget QC-prov i analysen och vissa delar med sig av data för dessa prover. Det vore värdefullt om alla plattformar delade dessa data för kvalitetsutvärdering och eventuell korrige-ring av analysvariationer över tid. För alla semikvantitativa plattformar som undersöktes (Olink, Somalogic, Metabolon och Biocrates) var den tekniska variabiliteten mellan QC-proverna betydligt lägre än variabiliteten mellan ana-lyserade plasmaprover. Detta var tydligast för proteomikplattformarna, vilket antyder att förutsättningarna att upptäcka biologiska skillnader är bättre i pro-teomikdata. Undantaget från detta är en femte plattform, Nightingale, en kvan-titativ men smalare metabololmikmetod som anses generera stabila mätningar.

Vid all utveckling av biomarkörpaneler för att prediktera sjukdom behöver man göra upptäcktsanalyser, sedan valideringsstudier och därefter tester i den situation man tänker att testet ska fungera. De breda omikplattformarna läm-par sig för upptäckt och eventuellt validering, men för det faktiska kliniska tes-tet behövs en kvantitativ analys för att verkligen utvärdera att de proteiner eller metaboliter man vill använda är stabilt uppmätbara och fungerar för att pre-diktera sjukdom eller risk för sjukdom.