统计框架以消除关于小鼠模型如何很好地模拟人类疾病的辩论中的偏见

老鼠和其他动物是人类历史上一些重大医学突破的关键。但动物并不总是人类疾病的好模型，这导致了实验失败和对它们有用性的争议。

由匹兹堡大学公共卫生学院的科学家领导的生物统计学家团队今天宣布PNAS他们开发了一个框架来确定实验动物与特定人类疾病的一致性和不一致性。该工具消除了对转化动物数据如何适用于人类条件的科学解释中的潜在偏见。

“关于动物模型是否能很好地模仿人类，以及它们是否有助于转化或转化人类，已经争论了几十年临床研究资深作者George Tseng博士说。他是皮特公共卫生生物统计系的教授和研究副主席。“我们的框架是第一个提供的定量方法而生物信息工作流程可以妥善解决这一争论。”

Tseng和他的团队在发表了两篇论文后解决了这个问题PNAS——在2013还有一个2014-使用相同的数据集，在小鼠作为涉及炎症的人类疾病(如败血症和烧伤)模型的有效性方面，得出了相互矛盾的结论。

研究小组重新分析了矛盾的数据集PNAS模型生物的一致性分析(CAMO)框架。研究发现，在研究的六种人类炎症性疾病中，有两种被小鼠很好地模仿了;两个没有，两个没有足够的数据来得出结论。Tseng的团队确定，之前的研究达到了不同的终点，因为科学团队(一个主要由实验室科学家组成，另一个主要由临床医生组成)在他们的分析中使用了不同的阈值或分界点。

Tseng说:“我们的无偏见、无阈值框架得出的结论更加现实。”“最后，你不能说老鼠模型完全无用或完全完美。一个小鼠模型可以很好地模拟某些生物机制，但也可以模仿得很差。问题是它是否模仿感兴趣的机制，比如药物靶标。它甚至揭示了数据在某些情况下并不完美——如果你的信息有限，你就无法得出结论。”

该团队正在将他们的研究扩展到癌症领域，以检查哪些细胞培养模型可以很好地模拟肿瘤和肿瘤精神疾病例如，为了了解老鼠是否模仿人类的昼夜节律。

Tseng说:“我们预计CAMO将成为解决各种人类疾病的临床前研究的重要组成部分。”