📚 课程目录第4章数据完整性原则（ALCOA+）

第4章：数据完整性原则（ALCOA+）——FDA与EMA对生信数据完整性的共同要求与解读差异

说起数据完整性，我经常被问到这个问题，尤其是在做生信合规的项目评审时。说白了，ALCOA+原则是FDA和EMA都认可的数据完整性基本框架。但通过这么多次的合作，我发现两边虽然都讲ALCOA+，但在具体的解读和落地要求上，确实存在一些微妙的差异。

那么，什么是ALCOA+？它最早由FDA提出，后来EMA也全面接受了这套框架。这就像一个“数据质量护照”，你的数据如果不符合ALCOA+，那在监管机构眼里就是不合格的。

ALCOA+不是单纯的单词，而是每个字母背后代表了一项要求。我个人习惯把这九个字母分成两组来记忆：核心五要素（ALCOA）和扩展四要素（+）。

字母	属性	FDA的典型解释	EMA的侧重点
A	Attributable（归属）	谁做的、什么时间做的	强调人员身份与系统角色的绑定
L	Legible（清晰）	可读、持久	特别关注电子记录的可读性格式
C	Contemporaneous（同步）	操作时同步记录	强调工作流中的即时记录
O	Original（原始）	原始记录或经过认证的副本	严格定义“真实副本”的条件
A	Accurate（准确）	无错误、无修改	确保算法和数据处理的准确性
+	Complete（完整）	包括所有元数据	要求元数据与主数据一同保存
+	Consistent（一致）	时间戳顺序一致	关注时序逻辑和事件顺序
+	Enduring（持久）	记录在整个保存期内可访问	指定格式和介质需长期保留
+	Available（可用）	需要时可随时检索	强调检索效率和访问控制

注意：表格中列的差异不是理论上的，确实是我在实践中感受到的细微偏向。EMA在审计时更爱纠结于“原始文件”的定义，这和它的历史背景有关。

虽然解读有侧重，但双方对数据完整性都有一条底线。你想想看，没有这些共同要求，数据合规就是空中楼阁。我挑三个最关键的来讲。

共同要求一：所有记录必须归属到具体人员
无论是FDA还是EMA，都要求系统能追踪每条记录的创建者、修改者和操作时间。这不仅仅是日志，而是要求系统级别的审计追踪。
```
# 一个典型的审计日志条目
2025-03-15 14:23:45 | user: zhang.san | action: UPLOAD_FASTQ | file: sample_A_R1.fastq.gz | checksum: a1b2c3d4
```
共同要求二：原始数据不能被覆盖
我在项目中遇到过，有人为了简化流程，直接让脚本覆盖原始FASTQ文件。这在合规上直接“踩雷”。监管机构要求原始数据必须原封不动地保存，所有处理都在副本上进行。

这是一个基本准则——原始数据相当于法庭上的原件，绝不允许改动。
共同要求三：记录必须与操作同步生成
你不能事后补记录。比如，你晚上8点跑完了比对，但日志里写的是第二天早上9点才记录的，这会被定义为数据造假。EMA对这点盯得很紧。

别看原则是同一套，实操里的“坑”不少。我记得有一次，我们检查一个FDA的审计材料，对方对日期格式的容忍度很高；但同一个系统换到EMA审计，对方就指出时间戳的粒度不够细。这就是差异。

差异一：对“原始记录”的定义

FDA的21 CFR Part 11允许扫描件作为原始记录的替代，但EMA更喜欢用“真实副本”（True Copy）这个严格概念。EMA的审计官会要求你证明这个副本是真的，不能只是简单的PDF扫描。要包括数字签名和时间戳验证。
差异二：对元数据的抓取范围

FDA强调“元数据也是数据”，必须一起保存。EMA则进一步要求元数据必须能够独立于主数据存在，并能通过元数据重建主数据。说白了，EMA认为元数据不能只是附属品，要有自描述能力。
差异三：对审计追踪的粒度要求

FDA接受的审计追踪可以只记录最终版本和修改人，EMA则要求记录每一次微小修改。比如，用户改了一个Excel单元格里的数值，EMA希望记录修改前后的值和修改原因。这对生信流程中的参数修改尤其重要。
```
before: max_length = 150
after: max_length = 100
reason: based on new quality assessment, 2025-03-15
```

我经常和团队说，不要把ALCOA+当成墙上的标语，得落地到代码和流程里。这里我分享一个五步法，是我在实践中总结出来的。

第一步：定义你的“原始数据”边界
哪些文件是你的“原始数据”？是测序仪的.bcl文件，还是转换后的FASTQ？我个人建议至少把仪器直接输出的原始文件、以及后续所有不能被重复获取的过程文件纳入原始数据清单。
第二步：锁定你的文件系统
使用WORM（一次写入多次读取）存储设备或设置严格的文件系统权限，防止任何人（包括管理员）直接修改原始数据目录。
```
# 设置目录为只读，并配置chattr +i
chattr +i /data/raw_sequences/
```
第三步：建立自动日志记录
不要依赖手动填写Excel。每个数据处理步骤都应该由脚本或工作流引擎自动生成日志，包含时间、用户、命令、参数和结果校验和。
第四步：定期备份与验证
备份要保持地理冗余。我记得有一个案例，因为硬盘损坏又没有完整校验，导致数据丢失。建议每周至少做一次完整性校验。
```
# 一个简单的完整性校验脚本
sha256sum /data/raw_sample_A.fastq.gz > /data/checksum/raw_sample_A.sha256
```
第五步：文档化管理
所有的数据生成、处理、备份、验证，都必须有标准的操作程序（SOP）支撑。EMA和FDA都会要求查阅你的SOP。

避坑指南：我曾经见过一个公司，用Excel手动记录生信流程，结果审计时直接被提出缺陷。手动记录极易违反ALCOA+中的“同步记录”和“准确”要求。

为了让各位更直观地理解FDA与EMA在ALCOA+解读上的核心关系，我画了一张图。它展示了从共同基石到差异分支的脉络。

嗯，看这张图就清楚了。两边最底层的原则是一样的，但在证据链的具体细节上，EMA的手伸得更深一些。作为生信团队，我的建议是按“最严格的解读”去执行，这样无论是面对FDA还是EMA的审计，你都能稳住。