基于生物样本库和关联真实世界数据的可计算表型开发与验证方法研究

【项目介绍】

现有的和新建的生物样本库及关联数据为大规模研究药物基因组学、蛋白质组学和疾病决定因素提供了独特机遇。典型代表包括英国生物样本库和“我们的未来健康”项目。然而，数据关联不完整、随访缺失、代表性问题以及多样化的数据模型使得表型分析过程复杂且难以扩展。

本项目将： • 探索跨数据源定义队列和可计算表型的方法 • 基于暴露/结局确定，利用自我报告变量、问卷调查和关联真实世界数据（RWD）改进表型分析方法 • 分析现有生物样本库和数据资产的代表性 • 利用所有可用数据（包括调查/问卷、基因组学/蛋白质组学和关联RWD）研究生物样本库在罕见病研究中的应用 • 探索大语言模型在提高生物样本库和关联RWD可计算表型分析效率方面的应用 • 加深对OMOP通用数据模型在生物样本库可计算表型定义和验证中应用的理解

关键词：真实世界证据、流行病学、健康数据科学

导师团队： • Dani Prieto-Alhambra 教授（https://www.ndorms.ox.ac.uk/team/daniel-prieto-alhambra） • Albert Prats Uribe 博士（https://www.ndorms.ox.ac.uk/team/albert-prats-uribe） • Danielle Newby 博士（https://www.ndorms.ox.ac.uk/team/danielle-newby） • Junqing Xie 博士（https://www.ndorms.ox.ac.uk/team/junqing-xie）

健康数据科学团队： Botnar研究中心的健康数据科学团队是一个多学科团队，包括40多名成员，涵盖研究人员、博士后研究员和8名博士生。我们的团队成员来自不同的背景和地区，具备互补的知识领域，能够完成从研究设计到报告撰写的全过程研究工作。我们在健康数据科学、流行病学和药物流行病学方面拥有丰富的专业知识。

培训机会： 除部门培训机会外，我们还将利用Botnar研究中心（牛津大学）健康数据科学部分的医疗记录和基因数据，提供真实世界数据分析的实践培训。Botnar研究中心是牛津大学NDORMS健康数据科学与真实世界证据部分的所在地，该部门推动并鼓励利用大规模常规收集的健康数据开展研究和教育，以研究和改善人类健康。培训内容涵盖流行病学、药物流行病学、数据科学、应用人工智能、因果推断和真实世界证据等领域的技术与方法。第一学期将开设核心课程讲座，为生物学、炎症、表观遗传学、转化免疫学、微生物组和数据科学等广泛学科提供坚实的多学科基础。学生还需参加系内定期研讨会以及大学范围内相关的学术活动。学生需定期在系内研讨会、每两周一次的健康数据科学会议上展示数据，并参加外部会议在全球范围内展示研究成果，系里将提供有限的经费支持。学生还将有机会与观察健康数据科学与信息学（OHDSI）、欧洲健康数据与证据网络（EHDEN）及相关开放数据科学社区的广泛合作者密切合作。学生可参加医学科学部技能培训团队和其他部门开设的各类课程。所有学生必须参加NDORMS为期2天的统计与实验设计课程（录取后将提供相关信息）。

【申请要求】

有意申请者应具有或将获得相关学科一等或二等以上学士学位或同等学历，并需提供英语能力证明（如适用）。申请指南和表格可在网上获取，博士项目将于2026年10月开始。

申请应使用指定课程代码提交至以下项目： 临床流行病学与医学统计博士（课程代码：RD_NNRA1）

请与相关导师联系以表达对项目的兴趣，如有需要，可联系系教育团队（graduate.studies@ndorms.ox.ac.uk），他们将为您提供该项目的基本要求建议以及如何进行正式申请的详细信息。更多信息请访问：http://www.ox.ac.uk/admissions/graduate/applying-to-oxford

【资助信息】

奖学金覆盖本土学费。海外申请者如获得录取，需自行承担本土与海外学费差额。申请者应选择Wolfson作为首选学院。

【参考文献】

1. G J Macfarlane, M Beasley, B H Smith, G T Jones, T V Macfarlane. 28 January 2015. British Journal of Pain. PubMed ID: 26526341. DOI: 10.1177/2049463715569806.
2. Cook MB, Adams N, Adjetey A, et al. Cohort Profile: Our Future Health. Int J Epidemiol. 2025 Oct 14;54(6):dyaf171. doi: 10.1093/ije/dyaf171. PMID: 41092131; PMCID: PMC12527338.