2. 生物标志物验证的 regulatory 与统计框架
多组学生物标志物从发现到进入临床决策，中间隔着一道常被低估的门槛：监管认可与统计证据。很多团队在发现阶段获得了漂亮的差异表达或分类性能，却在向药监部门提交或向临床转化时发现，自己手里的“标志物”既没有明确的预期用途，也没有与用途匹配的验证证据。本节围绕三条主线展开：FDA/EMA 的生物标志物资格认定路径、分析验证与临床验证的区分、主要终点与替代终点的统计要求。
一、资格认定不是审批，而是“用途确证”
FDA 的生物标志物资格认定（Biomarker Qualification）与药品审批是两条不同的通道。药品审批针对的是某个具体产品，而资格认定针对的是一个生物标志物在特定“使用场景”（Context of Use, COU）下的可接受性。COU 是整套文件的核心，它必须回答：这个标志物测什么、在什么人群、用于什么决策、替代什么现有证据。例如“在成人脓毒症患者中，用于辅助识别 28 天内死亡风险升高的个体”，这样的 COU 才具备可评价性；而“用于脓毒症诊断”过于宽泛，无法支撑统计设计。
FDA 的资格认定流程大致分为三步：意向书（Letter of Intent, LOI）提交、资格认定计划（Qualification Plan, QP）制定、以及资格认定包（Briefing Document）的正式审评。LOI 阶段监管方会给出该 COU 是否值得推进的初步反馈，这一步淘汰率很高，原因是 COU 与现有证据差距过大。EMA 的路径略有不同，主要通过生物标志物资格认定意见（Qualification Opinion）由 CHMP 发布，并常与 EMA 的“生物标志物信函”机制配合，用于早期沟通。两条路径的共同点是：证据必须与 COU 严格对齐，而不是堆砌数据量。
二、分析验证与临床验证：两套证据，不能互相替代
分析验证（Analytical Validation）回答的是“测得准不准、稳不稳”，临床验证（Clinical Validation）回答的是“测得的结果与临床结局有没有可靠关联”。二者是串联关系，但常被混为一谈。分析验证的核心指标包括：准确度（accuracy）、精密度（precision，含重复性与中间精密度）、分析灵敏度（LoB/LoD/LLoQ）、线性范围、稀释线性、钩状效应、干扰与交叉反应、样本稳定性、以及批间一致性。对于多组学标志物，还要额外关注平台间可迁移性与特征选择的可重复性——如果同一批样本在不同实验室、不同批次下选出的特征集差异很大，临床验证就失去了基础。
临床验证则关注诊断或预后性能：灵敏度、特异度、ROC-AUC、阳性/阴性预测值、校准度（calibration）、以及在不同亚组中的一致性。这里有一个容易被忽略的统计要点：预测值依赖患病率。一个在病例对照研究中 AUC 达到 0.90 的标志物，若用于患病率仅 2% 的人群，阳性预测值可能不足 20%。因此临床验证必须报告研究设计类型（病例对照、队列、嵌套病例对照）和目标人群的患病率假设。
三、主要终点与替代终点：统计要求的本质差异
主要终点（Primary Endpoint）是直接反映临床获益的硬结局，如总生存期（OS）、心肌梗死发生率、卒中复发率。替代终点（Surrogate Endpoint）则是用实验室或影像指标替代硬结局，如用 HbA1c 替代糖尿病微血管并发症、用 LDL-C 替代心血管事件。替代终点能否被接受，取决于它是否满足“对临床获益的可靠预测”这一统计条件，通常需要来自多项随机对照试验的 meta 分析证据，证明治疗对替代终点的影响能解释大部分对硬终点的影响（如 R² 接近 1，或满足 Prentice 准则）。
在多组学标志物场景中，更常见的是预后型标志物与预测型标志物的区分。预后型标志物与结局相关，但不一定与治疗交互；预测型标志物则必须展示出治疗与标志物的交互作用，即标志物阳性与阴性人群的治疗效应存在显著差异。统计上，这要求预先设定交互检验，并控制多重性；若交互检验不显著，就不能声称“该标志物可指导用药选择”。
一个常见的统计陷阱是：用同一批数据既做特征选择又做性能评估，导致 AUC 被高估。正确做法是嵌套交叉验证或独立验证集，并在 SAP 中预先写明验证策略。对于多组学数据，还需考虑批次效应校正是否在验证集上独立进行——若校正参数来自训练集，验证集必须使用相同参数，否则会引入信息泄漏。
四、把框架落到可执行的验证计划
综合以上，一个可执行的验证计划应包含以下要素：明确的 COU 陈述；分析验证的性能指标与接受标准；临床验证的研究设计与样本量估算；终点定义与统计假设；以及预设的亚组与敏感性分析。下表给出一个示例框架，用于组织多组学标志物验证的关键参数。
| 验证维度 | 关键参数/指标 | 示例接受标准（假设） | 证据来源 |
|---|---|---|---|
| 分析验证 | 精密度（中间精密度 CV%） | ≤15%（LLoQ 附近 ≤20%） | 重复性实验，3 批次 × 6 重复 |
| 分析验证 | 平台间一致性（Pearson r） | r ≥ 0.90，Bland-Altman 偏差可接受 | 两平台交叉测量同批样本 |
| 临床验证 | ROC-AUC（独立验证集） | ≥0.75，95% CI 下限 ≥0.70 | 独立队列，预设阈值 |
| 临床验证 | 校准度（Hosmer-Lemeshow） | p > 0.05，校准斜率 0.8–1.2 | 验证集预测概率 vs 实际发生率 |
| 终点统计 | 治疗-标志物交互作用 | 交互项 p < 0.05（预设） | 随机对照试验亚组分析 |
| 终点统计 | 替代终点验证强度 | R² ≥ 0.8 或满足 Prentice 准则 | 多项 RCT 的 meta 分析 |
最后需要强调：监管框架与统计框架不是两套独立要求，而是同一证据链的两个视角。COU 决定了需要什么强度的证据，分析验证决定了测量是否可信，临床验证决定了关联是否成立，终点统计决定了这种关联能否支撑临床决策。四者缺一，资格认定或转化应用都会在审评阶段暴露短板。把 COU 写在最前面，把 SAP 写在数据锁定之前，是多组学标志物验证工程中最具成本效益的一步。