疾病队列中的抗体反应差异通常具有多重来源。疾病状态、病程阶段、既往免疫经历、治疗背景以及样本处理条件，都可能改变体液抗体的识别特征。若队列结构缺少清晰定义，后续观察到的组间变化便难以准确归因，疾病相关信号也可能与个体背景或技术批次相互混杂。Phage Immunoprecipitation Sequencing（噬菌体免疫沉淀测序，PhIP-Seq）可用于分析体液样本中针对线性肽段的抗体识别特征。疾病队列采用PhIP-Seq前，应先确定研究问题对应的分层依据，核对样本间的关联关系，并识别可能影响比较结果的混杂因素。上述条件决定现有队列能否形成具有解释基础的抗体谱研究设计。

一、研究问题与分层依据

1、主要研究维度

(1) 疾病状态

病例组与对照组的定义决定比较结果的解释范围。健康对照适用于描述病例人群相对于一般人群的抗体反应差异；疾病对照则可用于区分不同疾病背景下的抗体识别特征。若对照组包含多种状态且缺少统一纳入标准，组内异质性会增加，组间差异也更难对应单一研究问题。

(2) 病程阶段

抗体反应可能随疾病发生、进展、治疗或恢复过程发生变化。将不同阶段样本直接合并，会扩大组内变异，并削弱阶段相关反应的可见度。采用病程阶段进行分层时，阶段定义、采样时间和临床状态需要保持对应，避免相同标签下包含生物学背景差异较大的样本。

(3) 疾病亚型与研究特征

疾病亚型、临床表型、治疗状态或特定研究特征可构成进一步分层的依据。此类变量应与核心研究问题保持一致。一次分析同时纳入过多分层维度，会导致组别结构过于分散，并增加统计解释的不确定性。项目设计宜先确定主要研究因素，再保留必要的次要分层信息。

2、样本关联结构

(1) 横断面队列

横断面研究通常比较不同研究对象之间的抗体谱差异。样本之间原则上相互独立，但仍需核对是否存在重复采样、亲缘关系或来源重叠。关联信息若未被识别，数据分析中对样本独立性的假设可能受到影响。

(2) 纵向队列

同一研究对象在多个时间点采集的样本具有明确的个体内相关性。随访研究、治疗前后研究和病程变化研究均应保留受试者编号及时间点对应关系。数据整理时不能将这些样本视为彼此独立，否则个体基线差异可能被误认为时间相关变化。

图1. 疾病队列抗体谱研究中的分层、样本关联与混杂因素

二、混杂因素识别

1、生物学背景

(1) 个体特征

年龄、性别及其他个体背景可能与既往免疫状态和抗体反应水平相关。当这些特征在病例组与对照组之间分布不均时，组间差异会同时包含疾病状态和个体背景的影响。队列评估应检查关键特征的分布，并判断其是否需要通过匹配、分层或协变量调整加以控制。

(2) 既往免疫经历

既往感染、免疫接种及相关环境暴露可能在抗体谱中形成持续性反应。若不同组的暴露背景存在系统差异，部分富集信号可能无法明确解释为当前疾病状态相关变化。信息缺失不会直接否定项目可行性，但会限制结果归因的范围。

(3) 合并疾病与治疗背景

合并疾病、用药和免疫干预可改变个体免疫状态。相关因素若集中出现在某一组，便可能与主要研究因素形成混杂。此时可根据研究目标调整纳入条件、补充分层记录，或在分析设计中保留相应变量。

2、样本与实验背景

(1) 样本来源

血清、血浆及其他体液样本具有不同的采集和处理条件。同一比较中宜采用来源一致的样本。不同样本类型联合纳入时，应分别记录其来源，并在数据解释中考虑样本基质差异。

(2) 采集与保存条件

采样时间、采集流程、保存温度、冻融记录和前处理方式均可能影响样本状态。若这些条件与研究分组同步变化，技术差异便难以与疾病相关差异区分。样本接收前应完成信息核对，并对记录异常或保存背景不清的样本进行单独标记。

(3) 批次安排

样本处理、免疫沉淀、文库制备和测序等环节可能引入批次效应。病例样本和对照样本若分别集中于不同批次，批次与疾病状态将高度重合。实验安排可通过组间均衡分配和样本顺序随机化降低此类风险，同时保留完整的批次追踪信息。

三、队列可分析性核查

图2. PhIP-Seq疾病队列抗体谱分析的可分析性评估框架

1、信息完整性

(1) 分组信息

每份样本应具有明确的组别、疾病状态、采样时间及研究对象编号。纵向样本还需保留时间点顺序。样本标签冲突、分组依据缺失或个体对应关系不清，会直接影响数据组织和后续统计分析。

(2) 研究变量

与核心问题直接相关的临床或实验变量应采用统一定义和编码方式。不同中心、不同时间段或不同记录人员形成的数据，可能存在命名不一致和分类标准差异。进入分析前完成变量整理，可减少分层错误和信息重复。

(3) 样本追溯信息

样本类型、采集日期、保存状态和处理批次需要与样本编号一一对应。无法追溯来源或处理过程的样本，应根据缺失信息的重要程度评估是否纳入，而不宜在数据形成后再推测其背景。

2、队列结构

(1) 组间可比性

组间可比性取决于关键背景变量的分布，而非单纯追求各组样本数量完全一致。病例组和对照组若在样本来源、采集阶段或治疗状态上存在系统偏移，需要判断这些差异能否通过设计调整或统计分析加以控制。

(2) 组内异质性

同一疾病组可能包含多个亚型、阶段或干预状态。组内构成过于复杂时，整体平均差异可能掩盖亚群间变化。项目设计可根据研究问题限定纳入范围，或将相关特征预先设为分层信息。

(3) 混杂重合程度

某一背景变量若与疾病分组完全重合，疾病效应与混杂效应将难以分离。例如，病例组全部来自一个处理批次，而对照组全部来自另一个批次时，现有设计无法明确判断差异来源。此类队列通常需要重新安排样本、补充对照或调整研究问题。

四、PhIP-Seq技术适用性

1、适配条件

(1) 研究对象

PhIP-Seq适用于以体液抗体反应谱为研究对象，并关注抗体对线性肽段识别特征的疾病队列。研究问题可以涉及疾病状态、病程阶段或疾病亚群之间的抗体谱差异，但应具有清楚的分组基础和可追溯的样本信息。

(2) 分析范围

该技术能够提供线性序列层面的抗体识别信息，适合在较宽的肽段范围内观察队列中的反应特征。项目目标若主要聚焦已知单一抗原的确认，常规免疫分析可能更直接；当研究需要扩展观察范围或描述队列层面的抗体谱差异时，PhIP-Seq可作为补充性技术路线。

2、解释边界

(1) 构象表位

PhIP-Seq以线性肽段为主要展示对象，对依赖蛋白空间结构形成的构象表位存在分析限制。阴性结果不能据此排除构象依赖型抗体反应，相关问题需要结合能够保留蛋白空间结构的实验方法进一步评估。

(2) 非肽类抗原

糖类、脂质及其他非肽类抗原不属于线性肽段展示范围。以此类抗原为核心的疾病研究，不宜将PhIP-Seq作为唯一分析手段。

(3) 项目调整

分组依据不清、关键混杂因素与研究组别高度重合，或样本追溯信息缺失时，应先完善队列结构再确定实验方案。对于无法调整的限制，需在分析计划和结果解释中予以明确。

PhIP-Seq疾病队列抗体谱研究需要建立在明确的分层依据、完整的样本信息和可评估的混杂结构之上。百泰派克生物科技可结合疾病类型、队列组成、样本背景及研究目标开展项目评估，判断现有队列与PhIP-Seq分析范围的适配性，并据此制定相应的实验与数据分析方案。