Mga Pagtingin: 0 May-akda: Site Editor Oras ng Pag-publish: 2026-11-16 Pinagmulan: Site
HKeyBio Industry Commentary
Pagpili ng Mga Laki ng Grupo para sa Autoimmune Efficacy Studies
HKeyBio Q&A Series 44
Orihinal na na-publish sa Chinese noong Hunyo 18, 2026.
Ang kunin ng HKeyBio. Ilang hayop sa bawat grupo ang nagbibigay ng sapat na katumpakan sa pag-aaral ng autoimmune efficacy upang suportahan ang isang desisyon sa pag-unlad? Magsimula sa tanong na kailangang sagutin ng pag-aaral, ang pinakamaliit na epekto na mahalaga at kung gaano variable ang pangunahing endpoint sa modelong iyon. Ang parehong laki ng pangkat ay maaaring sapat para sa isang endpoint at masyadong maliit para sa isa pa.
Anim o sampung hayop bawat grupo ay pamilyar na mga panimulang punto. Ang bilang na kailangan para sa isang naibigay na pag-aaral ay nakasalalay sa limang mga kadahilanan [1,2].
· Pagkakaiba-iba sa modelo ng sakit
· Inaasahang epekto ng paggamot
· Antas ng kahalagahan (α)
· Target na kapangyarihan sa istatistika
· Uri ng endpoint
Maaaring malabo ng pagkakaiba-iba ng hayop-sa-hayop ang epekto ng paggamot kapag malawakang nagbabago ang mga marka ng sakit. Ang isang reproducible na modelo at isang malaking epekto sa paggamot ay maaaring suportahan ang isang mas maliit na grupo. Dapat ipakita ng pangunahing endpoint at pagsusuri sa istatistika ang desisyon na idinisenyo upang suportahan ng pag-aaral.
Ang laki ng epekto ay kadalasang pangunahing driver, partikular na may kaugnayan sa pagkakaiba-iba ng endpoint. Isaalang-alang ang isang modelo ng arthritis kung saan ang pangkat ng modelo ay nakakuha ng 8.0 ± 2.0 at ang pangkat ng paggamot ay nakakuha ng 4.0 ± 2.0. Ang ibig sabihin ng ginagamot na grupo ay 50% na mas mababa. Kung ang mean ay bumaba mula 8.0 hanggang 6.8, ito ay 15% na mas mababa. Sa parehong pagkakaiba-iba, antas ng kahalagahan at target na kapangyarihan, ang pag-detect ng mas maliit na pagkakaiba ay karaniwang nangangailangan ng mas maraming hayop. Ang mga porsyento ay naghahambing ng ibig sabihin ng grupo. Para sa pagpaplano ng laki ng sample, dapat na tukuyin ang sukat ng pagkalat na kinakatawan ng '±'.
Maaaring tantiyahin ng isang piloto ang ibig sabihin ng grupo, mga karaniwang paglihis at ang malamang na laki ng tugon. Ang mga maliliit na piloto ay nagbubunga ng hindi tumpak na mga pagtatantya, kaya gumamit ng maihahambing na makasaysayang data kung saan available at tingnan kung paano nagbabago ang kinakailangang N sa mga posibleng halaga. Para sa pangunahing pag-aaral, tukuyin ang isang epekto na sapat na malaki sa bagay na biologically o upang baguhin ang isang desisyon sa pag-unlad [1,2].
Ang induction at progression ay nag-iiba sa mga modelo at sa pagitan ng mga hayop. Ang Dextran sulfate sodium (DSS) colitis, imiquimod (IMQ)-induced psoriasis at ovalbumin (OVA)-based na mga modelo ng allergy ay maaaring magpakita ng medyo pare-parehong induction sa ilalim ng mga naitatag na kondisyon. Para sa mga modelong ito, anim hanggang walong hayop bawat grupo ay isang batay sa karanasan na panimulang hanay.
Ang collagen-induced arthritis (CIA), systemic lupus erythematosus (SLE) na mga modelo at mga humanized na immune-system na modelo ay maaaring magpakita ng mas malawak na pagkakaiba-iba sa simula at kalubhaan, kahit na sa loob ng parehong cohort. Ang ilang pag-aaral sa mga setting na ito ay gumagamit ng walo hanggang labindalawang hayop bawat grupo o higit pa. Ang mga bilang na ito ay sumasalamin sa karanasan sa ilalim ng mga partikular na kundisyon. Kapag inihambing ang mga pangangailangan sa laki ng sample, tasahin ang pagkakaiba-iba ng napiling endpoint pati na rin ang laki ng inaasahang epekto ng paggamot.
Maaaring matugunan ng maliliit na pag-aaral ng hindi tao na primate (NHP) ang mga nakatutok na tanong sa pagsasalin. Para sa isang species na may kaugnayan sa pharmacologically, ang mga pagkakatulad sa mga tao sa mga populasyon ng immune-cell, ang expression ng Fc receptor at iba pang aspeto ng immunity ay maaaring makatulong sa pagbibigay-kahulugan sa mga tugon. Ang isang maliit na pangkat ng paggalugad ay maaaring tukuyin ang direksyon, laki at pagkakapare-pareho ng isang tugon at ipaalam ang isang kasunod na pag-aaral. Ang katumpakan na kailangan para sa isang paghahabol sa pagiging epektibo ng confirmatory ay nangangailangan ng sarili nitong katwiran [1,2].
Ilapat ang 3Rs. Ang Pagpapalit, Pagbawas at Pagpino ay gumagabay sa paggamit ng mga hayop. Ang pagpapares o pagtutugma, paulit-ulit na mga sukat at pagsusuri sa baseline-adjust ay maaaring mapabuti ang katumpakan kapag sinusuportahan sila ng disenyo at endpoint. Ang mga paulit-ulit na sample mula sa isang hayop ay kumakatawan pa rin sa isang eksperimentong yunit kung ang hayop ay independiyenteng itinalaga sa paggamot [2,3].
Gumamit ng maagang data upang magplano ng hiwalay na follow-on cohort, o tukuyin ang anumang sample-size na muling pagtatasa sa loob ng parehong pag-aaral, kabilang ang panuntunan para sa pagdaragdag ng mga hayop at kung paano papanatilihin ang hinuha. Iwasan ang pagpapalawak ng pagpapatala bilang tugon sa isang pansamantalang p-value na walang nakaplanong pagsusuri.
Ang kapangyarihan ay ang posibilidad na ang isang nakaplanong pagsubok ay nakakita ng makabuluhang pagkakaiba sa istatistika kapag ang tinukoy na epekto ay totoo, sa ilalim ng mga pagpapalagay na ginamit upang idisenyo ang pag-aaral. Ang isang target na 80% ay nangangahulugan na, kung ang nakaplanong laki at pagkakaiba-iba ng epekto ay tama, humigit-kumulang 80% ng mga paulit-ulit na pag-aaral sa ilalim ng disenyo na iyon ang makakatuklas ng epektong iyon sa napiling antas ng kahalagahan [1,2].
Kapag ang kapangyarihan ay mababa para sa isang makabuluhang epekto, ang isang tunay na epekto ay maaaring magbunga ng isang hindi makabuluhang resulta. Iyon ay isang maling negatibo sa ilalim ng ipinapalagay na senaryo. Sa pagpapaunlad ng droga, ang pagtrato sa bawat hindi makabuluhang resulta bilang katibayan ng walang epekto ay maaaring humantong sa isang pangkat na ibagsak ang isang nangangakong kandidato. Ang layunin ay balansehin ang lakas ng ebidensya sa paggamit ng hayop at gastos sa pag-aaral.
Ang orihinal na artikulo ay nagbibigay ng mga sumusunod na hanay na batay sa karanasan para sa talakayan. Ang panghuling laki ng pangkat ay dapat sumasalamin sa layunin ng pag-aaral, nauugnay na makasaysayang data, mga resulta ng piloto at isang pagsusuri na naaangkop sa endpoint. Pahintulutan ang inaasahang hindi induction o attrition kung saan nauugnay at iulat ang parehong mga numerong itinalaga at ang mga numerong nasuri [1,2].
Talahanayan 1. Mapaglarawang bilang ng mga hayop bawat pangkat mula sa orihinal na artikulo. Gamitin ang mga saklaw na ito para sa mga paunang talakayan sa pagpaplano.
Q7 Paano Matugunan ang Mga Kinakailangan sa Istatistika at Mga Gastos sa Pagkontrol
Una, magpatakbo ng isang maliit na piloto. Tantyahin ang proporsyon ng mga hayop na bumuo ng nilalayong phenotype, mga marka ng sakit, pagkakaiba-iba at paunang tugon sa paggamot. Iulat ang coefficient ng variation kung saan naaangkop para sa sukat ng endpoint.
Pangalawa, magpatakbo ng pagsusuri ng kapangyarihan. Tukuyin ang pangunahing endpoint at ang pinakamababang makabuluhang epekto. Tukuyin ang α, target na kapangyarihan at mga pagpapalagay sa pagkakaiba-iba. Gumamit ng istatistikal na paraan na tumugma sa nakaplanong pagsusuri upang matantya ang kinakailangang N, at ihambing ang mga sitwasyon kung ang mga pagpapalagay ay nananatiling hindi sigurado.
Pangatlo, i-optimize ang disenyo. Pagbutihin ang pagkakapare-pareho ng modelo, gumamit ng baseline-stratified randomization kapag may kaugnayan, gumamit ng mga paulit-ulit na pagsukat kung mapapabuti nila ang katumpakan, at alisin ang mga pangkat na hindi sumasagot sa isang tanong sa pag-aaral. Ang mas mahusay na disenyo ay maaaring mapabuti ang kahusayan kaysa sa pagtaas ng laki ng grupo lamang.
Ang isang mapagtatanggol na laki ng pangkat ay nagbibigay sa koponan ng sapat na impormasyon upang matukoy o matantya ang isang makabuluhang epekto para sa nilalayong desisyon sa pagsasalin. Magplano tungkol sa inaasahang epekto, pagkakaiba-iba ng modelo, kinakailangang kapangyarihan at layunin ng pag-aaral. Sinusuportahan nito ang mas kapani-paniwalang mga konklusyon at maaaring mabawasan ang mga paulit-ulit na eksperimento at maiiwasang gastos.
May-akda at tagasuri. HKeyBio Marketing Department
Inedit ni Jing Yan
Ang HKeyBio ay isang preclinical contract research organization na nagbibigay ng end-to-end in vivo efficacy na mga serbisyo para sa mga autoimmune at allergic na sakit. Ang pangunahing teknikal na koponan nito ay may higit sa 20 taong karanasan sa pagbuo ng gamot na autoimmune. Ang kumpanya ay may ISO 9001 certification at nagpapatakbo ng molecular, cellular, pathology, small-animal at analytical na pasilidad sa Suzhou Industrial Park, na may nonhuman primate study facility sa Suzhou at Guangxi. Ang orihinal na artikulo ay nag-ulat ng humigit-kumulang 80 empleyado at project leads na may master's o doctoral degree. Sinusuportahan ng koponan ang preclinical na pananaliksik at mga pagsusumite ng bagong gamot (IND) sa pagsisiyasat.
· 50+ nonhuman primate na modelo ng mga autoimmune at allergic na sakit
· 500+ mga modelo ng hayop ng mga autoimmune at allergic na sakit
· Maranasan ang pagsuporta sa 500+ na pagsusumite ng IND sa sakit na autoimmune
[1] Percie du Sert N, Hurst V, Ahluwalia A, et al. Ang ARRIVE guidelines 2.0: Updated guidelines for reporting animal research. PLoS Biol. 2020;18:e3000410. Pinagmulan
[2] Percie du Sert N, Ahluwalia A, Alam S, et al. Pag-uulat ng pagsasaliksik ng hayop: Pagpapaliwanag at paglalahad para sa ARRIVE na mga alituntunin 2.0. PLoS Biol. 2020;18:e3000411. Pinagmulan
[3] NC3Rs Experimental Design Assistant. Pang-eksperimentong yunit. Pinagmulan