药物流行病学队列分析
评估SGLT2i暴露与DPP4i暴露相比对多发性骨髓瘤风险的影响。
使用美国Optum Clinformatics健康保险索赔数据,采用Cox模型分析MM风险。
SGLT-2 Inhibitors are Associated With a Lower Risk of Multiple Myeloma
包含美国全国索赔队列药物流行病学分析、细胞系扰动转录组及患者表达数据,涉及关联与分子特征验证。
美国Optum Clinformatics健康保险索赔队列 DepMap细胞系(19个MM和1498个非MM细胞系) LINCS扰动细胞系(SGLT2i、DPP4i及DMSO对照) CoMMpass患者样本(837例)及正常骨髓浆细胞样本
SGLT2i暴露与DPP4i暴露比较的MM风险(Cox模型HR ≤ 0.37,p < 0.001,5年累积发病率0.1% vs 0.4%) LINCS数据中SGLT2i vs. DMSO的差异表达基因(FDR = 1×10−50,450个独特DEGs) MM相关基因在SGLT2i独特DEGs中的富集(918个MM相关基因,OR = 2.0,p = 0.03) 关键基因表达与生存关联(如PHLPP2、FBLN2、PSMB4等,log-rank p < 0.05) MGUS亚组中SGLT2i与MM风险(HR = 0.06,p = 0.013)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
评估SGLT2i暴露与DPP4i暴露相比对多发性骨髓瘤风险的影响。
使用美国Optum Clinformatics健康保险索赔数据,采用Cox模型分析MM风险。
探究SGLT2i对肿瘤细胞转录组的影响及SLC5A2表达。
使用DepMap细胞系RNA-seq和LINCS扰动表达数据,进行差异表达分析。
验证SGLT2i独特DEGs与MM患者表达谱的一致性及临床关联。
整合CoMMpass、GSE等患者RNA-seq和微阵列数据,分析DEGs与生存关联。
揭示SGLT2i相关DEGs的生物学通路和功能。
对DEGs进行GSEA分析,使用Hallmark、KEGG和GO注释。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 药物流行病学队列 | 纳入/排除标准、暴露定义、MM事件定义、协变量调整、敏感性分析 阅读提示:Methods 2.2和2.3 |
| 细胞系扰动实验 | 细胞系来源、药物处理浓度和时间、FDR cut-offs、DEGs识别方法 阅读提示:Methods 2.4和2.5,Figure 3 |
| 患者表达数据验证 | 数据集来源、样本量、归一化方法、DEGs阈值、生存分析模型 阅读提示:Methods 2.4和2.5,Table 1,Figure 4 |