OMIK-PLATTFORMAR: När man vill göra medicinska studier på en befolkning är blodprover för forskningsändamål från biobankerna en fantastisk resurs. Men det tar tid och kan ge felkällor att analysera proverna från en biobank, särskilt om analyserna sker över tid.
Mycket av den information som man får ut av ett blodprov skulle kunna sparas i en databas och återanvändas av fler forskare. Därför finns det numera kommersiella omik-plattformar där man storskaligt kan låta undersöka prover och sedan digitalisera resultaten.
Men hur tillförlitliga är plattformarna om man gör flera analyser över tid? Går de att jämföra? I projektet Robusta biomarkörer har man undersökt tillförlitligheten hos fem kommersiella omik-plattformar. Nu är projektet avslutat och slutsatserna dragna.
Relativa värden
Projektet skickade prover till fyra mer eller mindre semikvantitativa plattformar – Olink, Somalogic, Metabolon och Biocrates – för att se hur de fungerade i praktiken, och så gjorde man litteraturstudier.
Att plattformarna är semikvantitativa innebär att värdena inte går att relatera till en absolut koncentration. Därför är de värden som visas alltid relativa och därmed till viss del beroende av det analystillfället. Detta gör att det är svårt att slå samman och jämföra analyser över tid och det man önskar är en så liten variation mellan upprepad analys av samma prov över tid som möjligt. Det kan alltså vara svårt att se om det är en verklig skillnad mellan två prover som analyserats vid två olika tillfällen eller om skillnaden bara beror på slumpen.
Körordningen viktig
Projektet kom fram till att den tekniska variabiliteten mellan kvalitetskontrollproverna var betydligt lägre än den mellan analyserade plasmaprover. Man såg också att för att minska variationen är designen på körordningen viktig. Det gör att det är enklare att räkna bort den oönskade variationen senare. Om man exempelvis analyserar alla fall-prover först i en omgång, och alla kontroller i en annan omgång, är det svårt att veta om variationen beror på proverna i sig eller om det beror på att man kört proverna i olika omgångar.
– Vi såg att det är viktigt att randomisera körordningen om man ska kunna återanvända data för fler än en frågeställning, berättar Matilda Rentoft som är första forskningsingenjör vid Institutionen för strålningsvetenskaper vid Umeå universitet och den som ansvarat för projektet.
Olika plattformar
Man kan också behöva göra ytterligare insatser för att minska variationerna, exempelvis genom matematisk analys.
– Det var inte så förvånande att alla plattformar har en viss teknisk variation, det förväntade vi oss, säger Matilda. Men det var lite förvånande att en av proteomik-plattformarna, som rapporterar relativa värden, hade så låg teknisk variabilitet. Vi förväntade oss att de kvantitativa metoderna skulle ha låga, men [semikvantitativa] Somalogics hade förvånansvärt låga värden.
De undersökta plattformarna är alla olika: de använder olika metoder, har olika täckning och kapacitet och olika sett att hantera analyser över tid. I rapporten finns det beskrivet vad man behöver ta hänsyn till när man använder de olika plattformarna.
Intresset växer för omik-plattformar
Projektet var aktivt 2020–22, och under den tiden växte intresset för omik-plattformar.
– Det vi kommer fram till är vi inte ensamma om. Det har skett en stor ökning av storskaligt användande av plattformarna de senaste åren. Det har gjort att vi kunnat jämföra och validera våra resultat med andra forskares rapporter. Det var en del av projektet att följa vad det är som händer i området.
Att digitalisera biobanksprover är ett bra och effektivt sätt att använda prover och pengar på, menar Matilda. Proverna är en ändlig resurs, men data kan användas många gånger om.
Dock finns det utmaningar. I projektet har kruxet varit att få ut prover från biobanken – för att sedan kunna göra analyser – och att sätta upp avtal mellan universitet och företagen, något som tagit en stor del av projekttiden. En extra utmaning var pandemin, men det förklarar inte allt.
– Vi hade egentligen inte data förrän projektet gick ut så det var jämförelsevis liten tid för analys. Covid var en anledning, men det tog alldeles för lång tid att få proverna analyserade. Vi väntar ibland över ett år på prover. Det hindrar forskning. Forskningsprojekt är ju alltid tidsberoende. Det är ohållbart! Det visar också på vikten att omvandla proverna till data, för datautlämning kan gå ganska fort.
GDPR är en utmaning
Några av omik-plattformarna finns till en del i USA. Den europeiska dataskyddsförordningen GDPR gör det osmidigt att skicka prover mellan USA och Sverige, och särskilda avtal mellan universitet och företagen har behövts. Umeå universitet, där projektet genomfördes, har ett Standard Contractual Clause, men trots det blev processen svår och krånglig, trots att företagen hjälpte till så gott de kunde. En plattform, Olink, är svensk och proverna analyserades på SciLifeLab, så där fungerade det lättare.
Egentligen skulle ytterligare en plattform, Nightingale, testas. Nightingale är en kvantitativ metabolomik-metod. Arbetet med avtal och kontrakt blev dock allt för kostsamt, så förtaget bestämde sig för att avstå.
– Så här fick vi förlita oss på andras analyser av plattformen. Vi har nu startat ett nytt projekt med Nightingale och de prover som vi tänkt köra tidigare går med där också. Men det har varit ett års process.
Viktig kunskap
Arbetet med omik-plattformarna fortsätter.
– I ett annat forskningsprojekt kör vi en större mängd prover på två av metabolomik-plattformarna och följer hur data ser ut över tid. Vi har en förhoppning om att göra ett större projekt inom proteinområdet. Vi fortsätter att följa och lära oss mer, ha längre tider och fler prover. Effekterna om vi inte har koll på plattformarna är framför allt att du får fel resultat, du kan gå miste om forskningsfynd (falska negativa), men du kan även skapa falska positiva. Därför är det här viktig kunskap.
Läs mer
Vi skrev en artikel när projektet var nytt:
Robusta biomarkörer skapar nytta.