英国生物样本库（UK Biobank，UKB）
英国生物样本库（UK Biobank，UKB）是英国的一项大规模的长期前瞻性生物样本库计划，旨在研究遗传和环境因素（包括营养、生活方式、药物等）对于疾病发展的影响，是全球规模最大、数据最丰富的生物医学数据库之一，已成为医学研究领域的“宝藏库”。在2006年至 2010年期间，从英国各地招募了40-60岁的志愿者，并在此后至少30年内进行随访，确保长时程健康结局数据的完整性。UKB积累了超50万参与者的基因组、血液生化指标、影像学（MRI/CT）、生活方式（饮食、运动）及电子健康记录等多维度数据，覆盖疾病预测、精准医疗、衰老研究等方向。
UKB数据库用于临床研究的数据主要包含以下几类：
-
社会人口因素方面
-
吸烟和饮酒方面以及家族史和个体早期的一些暴露因素等
-
环境因素
-
饮食习惯
-
参与体育活动情况、心理和认知状态等
-
身体测量指标
-
英国电子医疗记录中的数据，包括死亡和癌症登记数据，入院诊断数据以及其他医疗（如处方、病理报告、影像报告、筛查）与健康有关的数据
但UKB的真正威力在于它与其他数据库的联合使用——这种“1+1>2”的研究模式正在推动医学研究的革命性进展。
UKB数据库结合NHANES数据库
NHANES数据库（National Health and Nutrition Examination Survey）是一项旨在评估美国成人和儿童健康和营养状况的研究计划，计划始于20世纪60年代初期，是一项针对不同人群或健康主题的调查。1999年该调查成为一项持续计划，涉及各种健康和营养测量，项目每年调查一个全国代表性的样本，约5000人，这些人群位于全国各县，每年对其中15个县进行访问。NHANES访谈部分包括人口统计学、社会经济学、饮食和健康相关问题。体检部分包括生理测量、实验室检查等内容。以及涵盖截止2019年12月31日的随访数据，包括全因死亡以及特定原因的死亡。
结合示例
该研究利用美国NHANES和英国生物银行（UK Biobank）的大型人群数据，系统评估了糖尿病与贫血之间的关联。研究发现，糖尿病患者，尤其是2型糖尿病患者，患贫血的风险显著高于非糖尿病人群，且这一关系在特定亚群（如老年人、肾功能异常者）中更为明显。结果提示临床应加强对糖尿病患者贫血的筛查与管理，并为进一步探索糖尿病相关贫血的潜在机制提供了依据。
UKB数据库结合CHARLS数据库
CHARLS数据库（China Health and Retirement Longitudinal Study，CHARLS）是一项持续的纵向调查，旨在调查中国45岁及以上中老年人社会、经济和健康状况。基线调查于2011年开展，共17708名参与者，每两年追踪一次，目前已有5期数据2011（wave 1）、2013（wave2）、2015（wave 3）以及2018（wave 4），2020（wave 5）。CHARLS数据包括个人和家庭基本信息、健康状况、心理健康、认知功能、经济状况、工作与退休、家庭结构、社会支持与人际关系、养老服务需求与使用等。
结合示例
该研究纳入了英国生物样本库（UKB）的229022名成年男性和中国健康与养老追踪调查（CHARLS）的20284名成年男性，分析了欧洲和东亚两大队列中血液生物标志物循环水平与良性前列腺增生风险之间的关系，发现脂质生物标志物在前列腺增生（BPH） 早期发展阶段可能发挥的作用，提示这些标志物可能在疾病预测和机制研究中具有潜在价值。
UKB数据库结合GBD数据库
GBD数据库是由华盛顿大学卫生计量与评估研究所（IHME）领导，共计有来自160个国家或地区的12,000多名研究者参与数据更新。GBD数据库涵盖了204个国家或地区，并对607billion+数据进行了高度标准化且全面的估计，疾病相关的健康结局与危险因素包括459个。它通过系统化的测量和分析，揭示了全球范围内疾含的变量有：measure（测量指标）、location（位置）、sex（性别）、age（年龄组）、cause（病因）、metric（指标单位）、year（年份）、val（值）、upper（可信区间上限）和lower（可信区间下限）。
结合示例
该研究利用GBD2021年的数据，分析了1990年至2021年间由环境颗粒物污染（APMP，以PM2.5衡量）导致的心血管疾病（CVD）的伤残调整生命年（DALY）和死亡率，通过社会人口指数（SDI）评估的区域差异，并使用贝叶斯年龄-时期-队列模型预测趋势。此外，利用英国生物样本库（UKB）数据来识别介导PM2.5暴露与CVD结局之间关联的生物标志物，并进一步分析其生物学作用。
当然，UK Biobank（UKB）数据库由于其广泛的覆盖范围和高质量的数据采集，已经成为全球范围内流行病学、遗传学和生物医学研究的重要资源。该数据库除了包含了来自50多万名参与者的详细临床表型、生活方式、环境暴露等信息，还涵盖了全基因组基因型数据以及多种高通量生物组学数据（如代谢组、蛋白组、影像组等），使其在整合多源异构数据方面具有独特优势。
因此，除了上述介绍的免费公开的临床公共数据库以外，UKB不仅可以与多个国际大型数据库（如GWAS Catalog、FinnGen等）进行有效对接，还能广泛应用于孟德尔随机化（MR）、表型组关联分析（PheWAS）、机器学习预测模型等前沿生信研究中，为揭示复杂疾病的遗传机制和潜在病因提供了强有力的数据支持和分析平台。无论你是新手还是资深科研人，掌握这些“组合拳”，都将大大提升你的科研效率与成果质量！
评论列表