OrkambiKIDS / DeepPheno_Luma-Iva — 儿童囊性纤维化 LUMA/IVA 24 个月纵向多组学数据集

INFOBOX — pediatric-cf-multiomic 一屏速览

维度	内容
本质	数据描述论文（Data in Brief）配套的纵向多组学数据发布——不是疗效论文
研究设计	前瞻性 IV 期试点/观察性队列（phase IV pilot observational cohort），注册 DRKS00022267
队列	8 名儿童，F508del 纯合子；基线年龄中位数 9.50 岁（IQR 7.00-10.25）；女 5 / 男 3
干预	启动 lumacaftor/ivacaftor（Orkambi，LUMA/IVA） 双联 CFTR 调节剂
随访	最长 24 个月，9 次访视（0/3/6/9/12/15/18/21/24 月）；各访视 N=8/8/8/8/8/5/7/4/5
采集域	临床元数据、人体测量、汗液氯、肺功能、炎症标志物、常规微生物学、粪便/呼吸道样本、血清代谢组
微生物组	16S rRNA V4 区，515F/806R，Illumina MiSeq，DADA2 + SILVA；三个生境：粪便 / 痰 / 咽拭子
代谢组	血清非靶向 LC-MS，HILIC + RP × 正/负离子共 4 套
原始数据	SRA PRJNA1119982（145 个 run：粪便 59 / 咽拭子 54 / 痰 32）；MassIVE MSV000094922
处理数据	GitHub RebeccaLuise/DeepPheno_Luma-Iva；Zenodo 10.5281/zenodo.20837397（CC BY 4.0）
论文	Data in Brief 2026;69:113237，doi 10.1016/j.dib.2026.113237，PMID 42825108，PMCID PMC13629212
一句话边界	这是一份可复用的表型+组学资源，不是「Orkambi 有效」的证据

§0 导读：这个数据集解决什么问题

0.1 一个被长期忽略的采样难题

囊性纤维化（cystic fibrosis, CF）是一种由 CFTR 基因突变引起的常染色体隐性遗传病。CFTR 蛋白是气道上皮细胞的氯离子通道，功能缺失导致分泌物黏稠、黏液清除受损、慢性气道感染与炎症，同时累及胰腺、肝胆、肠道与汗腺。自 2012 年 ivacaftor（potentiator，增效剂）获批、2015 年 lumacaftor/ivacaftor（Orkambi，双联）获批以来，CF 的治疗范式从「对症处理」转向「纠正根本缺陷」——即所谓 CFTR 调节剂（CFTR modulator） 时代。

但有一个真实的困难摆在儿科研究者面前：要证明调节剂对微生物组和代谢组的影响，你得先能在儿童身上反复采到样本。

• 幼儿咳不出痰；
• 粪便样本家庭采集、冷链运输难标准化；
• 咽拭子容易取但代表的是上呼吸道而非下气道；
• 血清代谢组要求反复静脉采血，在 6-10 岁儿童身上更是硬约束。

本数据集（项目代号 OrkambiKIDS，仓库名 DeepPheno_Luma-Iva）正是对这一困难的正面回答：它在同 8 名 F508del 纯合子儿童身上，跨 9 个访视点、24 个月，把「临床–微生物组–炎症–代谢组」四条线索对齐到同一个人、同一个时间点，并把这些对齐后的数据连同原始测序/质谱文件一起公开。

0.2 它「不是」什么

在进入细节前必须先划清三条边界，这也是本条目最重要的写作目的：

1. 它不是疗效论文。 期刊是 Data in Brief——Elsevier 旗下专门发表「数据描述论文（data descriptor）」的刊物。这类论文的评审重点是数据的完整性、可复现性与可复用性，而不是统计功效与因果推断。论文标题最后一段就是 “measurements collected over 24 months”——「收集了 24 个月的测量值」，而不是「24 个月治疗改善了 X」。
2. n=8 不构成有效性证据。 样本量 8、无对照组、开放标签，作者自己在 Limitations 中写明：“The dataset originates from a pilot cohort and should not be interpreted as representative of the broader cystic fibrosis population.”
3. 它是 2018 年设计的 IV 期试点，不是今天的治疗标准。 当时可用的 F508del 纯合子药物是 LUMA/IVA 双联；如今主流是 ETI 三联（elexacaftor/tezacaftor/ivacaftor）。把本数据集当作「当前 modulator 疗效」的证据是时代错置。

0.3 它真正的价值：一个「配对齐全」的纵向资源

价值不在结论，而在结构：

• 三种生境的微生物组（粪便 = 肠道、痰 = 下气道、咽拭子 = 上呼吸道）在同一访视采集，形成天然配对（论文 Fig 4d 用连线把同访视配对样本连起来）；
• 血清代谢组与炎症指标同期测得，可与菌群做时间对齐的关联分析；
• 汗液氯离子（CFTR 功能的直接生物标志物）在基线、3 个月、12 个月三点测得，为「药物是否起效」提供了客观锚点；
• 全部开放获取（SRA + MassIVE + GitHub/Zenodo），无申请门槛。

一句话：这是一份给后来者「二次分析」用的原始富矿，而不是一份给读者「读结论」的临床研究报告。

§1 数据集速览：十问十答

Q1：这份数据集有多少人？
8 名儿童，全部为 F508del 纯合子，招募自德国美因茨大学医学中心（University Medical Center Mainz）儿童呼吸门诊。基线年龄中位数 9.50 岁（IQR 7.00-10.25），女 5 名（63%）、男 3 名（38%）。

Q2：随访多久、采几次？
最长 24 个月，共 9 次访视，每 3 个月一次：Baseline、3、6、9、12、15、18、21、24 个月。各访视参与人数依次为 8、8、8、8、8、5、7、4、5。全部 8 人完成前 12 个月，之后因 COVID-19 限制与参与者可及性下降。

Q3：用了什么药？
lumacaftor/ivacaftor（商品名 Orkambi，常缩写 LUMA/IVA）。这是 2015 年获批的 F508del 纯合子双联方案：lumacaftor 是校正剂（corrector），帮助 F508del-CFTR 蛋白正确折叠并转运到细胞膜；ivacaftor 是增效剂（potentiator），提高通道开放概率。二者需联用，单用无效。

Q4：采了哪些数据？
临床元数据、人体测量（身高体重 BMI、BMI z-score）、汗液氯离子、肺功能（ppFEV1、ppFVC）、炎症标志物（血清 CRP、免疫球蛋白、白细胞、ESR；粪便钙卫蛋白；痰 TNFα/IL-1β/IL-6/IL-8/中性粒细胞弹性蛋白酶）、常规微生物学培养、粪便样本、呼吸道样本（痰与咽拭子）、血清代谢组。

Q5：微生物组怎么做的？
16S rRNA 基因 V4 区扩增测序：引物 515F/806R，Nextera XT 建库，Illumina MiSeq（V3 chemistry）。生信流程为 DADA2 推断 ASV（amplicon sequence variant，扩增子序列变体），SILVA 数据库注释分类。reads 少于 2000 的样本被剔除，并测了阴性对照。

Q6：代谢组怎么做的？
血清非靶向质谱（untargeted MS），两条色谱：HILIC（亲水作用色谱，测极性代谢物）与 反相（RP）（测中极性代谢物），各跑正、负离子模式，共 4 个数据集，分别独立统计。只纳入 MS1 + MS2 谱图与内外库匹配的注释代谢物。

Q7：数据在哪？
三处：处理后数据与脚本在 GitHub RebeccaLuise/DeepPheno_Luma-Iva（并有 Zenodo 归档 DOI 10.5281/zenodo.20837397）；原始 16S 测序在 NCBI SRA PRJNA1119982（145 个 run）；原始代谢组质谱在 MassIVE MSV000094922。

Q8：要不要申请？
不需要。三处均为公开、无限制下载。这是本数据集相对多数 CF 队列数据的显著优势。

Q9：许可证是什么？
分层：论文 CC BY 4.0；Zenodo 归档 CC BY 4.0；GitHub 正文声明 “without restrictions” 但仓库页面未检出 SPDX 许可证文件；SRA/MassIVE 各自遵循 NCBI/MassIVE 的开放条款。详见 §6。

Q10：能拿来干什么、不能干什么？
能：纵向宿主–微生物互作建模、多部位配对比较、代谢组-炎症关联、16S/代谢组流程的方法学 benchmark、与 pre-ETI 或早期 modulator 队列做跨时代对照。
不能：作为 Orkambi 有效性证据；外推到全体 CF 人群；当作有对照组的因果推断素材。详见 §10 避坑清单。

§2 数据构成与规格

2.1 队列与访视骨架

数据集的骨架是一张 8 × 9 的稀疏矩阵：8 名参与者 × 9 个访视点。论文 Table 1 给出了每个访视的参与人数，这直接决定了每一层的有效样本量。

访视	1	2	3	4	5	6	7	8	9
距治疗开始（月）	基线	3	6	9	12	15	18	21	24
N 参与者	8	8	8	8	8	5	7	4	5
女性	5	5	5	5	5	3	5	4	4
男性	3	3	3	3	3	2	2	0	1
年龄（岁，中位 IQR）	9.50 (7.00, 10.25)	9.50 (7.00, 10.25)	9.50 (7.00, 10.25)	9.50 (7.00, 10.25)	10.00 (8.00, 10.50)	10.00 (10.00, 11.00)	10.00 (7.00, 10.50)	7.00 (6.50, 7.75)	10.00 (7.00, 10.00)
BMI z-score	−0.68 (−1.10, −0.19)	−0.61 (−0.73, −0.02)	−0.71 (−0.87, −0.40)	−0.48 (−0.74, −0.26)	−0.47 (−0.72, −0.20)	−0.45 (−0.50, −0.45)	−0.11 (−0.51, −0.07)	−0.18 (−0.73, 0.19)	−0.36 (−0.47, −0.11)
ppFEV1	92 (85, 107)	100 (92, 103)	96 (89, 104)	93 (89, 103)	97 (92, 109)	87 (81, 97)	92 (88, 95)	95 (89, 112)	86 (85, 96)
ppFVC	100 (93, 103)	105 (98, 108)	98 (91, 110)	97 (92, 108)	100 (95, 112)	98 (88, 108)	96 (92, 106)	103 (94, 117)	95 (94, 106)
汗液氯离子 [mmol/l]	101 (94, 104)	75 (70, 80)	—	—	74 (69, 78)	—	—	—	—

表 1 逐字转自论文 Table 1（n (%) 或 中位数 (IQR)）。「—」表示该访视未测汗液氯离子：论文方法节明确只有 V1、V2、V5（基线、3 个月、12 个月）测了。

读表提示（重要）：这张表里最容易被误读的是年龄列的跳变。V8（21 个月）的年龄中位突然降到 7.00 岁——这不是数据错误，而是因为 V8 只有 4 人，留下的恰好是年纪最小的几位。同理 V8 女性占比 100%（4/4）。小样本的组成随访视变化，任何跨访视的「均值趋势」都混杂了「谁还在场」的选择效应，这是本数据集最重要的统计卫生问题，§7 会展开。

2.2 生物样本类型与采集规范

论文把样本分成五类，各有独立的标准操作流程：

（1）痰（sputum）：每访视经物理治疗 + 6% 盐水雾化诱导。并非所有参与者都能咳出——这是硬约束。处理后要求鳞状上皮细胞占比 < 10% 以排除唾液污染；用 0.1% DTT + PBS 稀释、75 µm 滤网过滤、750 G 离心 10 分钟、−80 °C 保存，部分加蛋白酶抑制剂。流程参考 Eckrich 等 2017（J Cyst Fibros 16:107-115）。

（2）深部咽拭子（deep throat swab）：由护士采集，立即 −80 °C 冻存，不经处理。

（3）粪便（stool）：家庭自采，冷藏不超过 24 小时，随后 −80 °C 冻存。

（4）血液：在常规复诊时采集（V1–V5、V7、V9），送临床检验后剩余血清 −80 °C 冻存。注意 V6、V8 未采血——这意味着血清代谢组与全部血液来源指标在这两个访视点整列为空，不是缺失值随机丢失，而是设计性缺失。

（5）汗液：毛果芸香碱离子导入法（pilocarpine iontophoresis），仅 V1、V2、V5。

坑点 1： 把 V6/V8 的代谢组缺失当作「随机缺失（MAR）」处理会引入系统性偏差——它是设计性缺失，与访视编号直接相关，任何混合模型都必须显式建模访视效应，不能简单插补。

2.3 16S 微生物组：三种生境、一套流程

微生物组是本数据集的规模主体。三种生境共用同一套实验与生信流程，因此跨生境比较是技术可比的（这点很关键，很多研究会因不同批次试剂导致无法直接比较）：

• DNA 提取：DNeasy PowerSoil Pro（QIAGEN）；痰样本先以 Benzonase 去除胞外人类 DNA（这一步是为了压低宿主 DNA 占比，避免人源 reads 淹没菌群信号）；
• 裂解：TissueLyser 珠磨，30 Hz，2 轮 × 7 分钟；
• 扩增：16S rRNA V4 区，515F/806R 引物；
• 建库/测序：Nextera XT + Illumina MiSeq，V3 chemistry；
• 生信：DADA2 产 ASV，SILVA 注释；稀释曲线（rarefaction）确认深度；< 2000 reads 的样本剔除；测了阴性对照（negative controls）并记录提取日期、DNA 量等技术元数据。

SRA 侧的实际规模（据 ENA filereport API 对 PRJNA1119982 的实测）：145 个 run，全部为 AMPLICON / Illumina MiSeq，总 reads 4,606,756。按样本名后缀拆分：

生境	run 数	说明
粪便（St）	59	肠道菌群
咽拭子（Thr）	54	上呼吸道
痰（Spu）	32	下气道

受试者前缀共 8 个（BLV 24、MJV 22、SAV 22、DEV 20、HDV 19、MLV 18、SHV 11、TTV 9），与 n=8 完全吻合。

坑点 2： 145 是原始测序 run 数（含质控与将被 < 2000 reads 规则剔除的样本），不等于最终纳入分析的样本数。论文与 README 都未公布逐生境、逐访视的最终样本份数。引用规模时务必写「145 个原始 run」，不要写成「145 个样本进入分析」。

三种生境的 run 数差异本身就是一条生物学信息：痰（32）最少，这与「年幼参与者无法稳定咳痰」的局限性陈述一致；粪便（59）与咽拭子（54）则接近 8 人 × 8-9 访视的上限。

2.4 血清非靶向代谢组：四套数据的拼接逻辑

代谢组采用 HILIC + RP 双色谱 × 正负离子 的四象限设计：

数据集	色谱	电离模式	覆盖偏向
HILIC negative	HILIC	负离子	极性代谢物（有机酸、糖磷酸、氨基酸等）
HILIC positive	HILIC	正离子	极性代谢物（胺类、季铵等）
RP negative	反相	负离子	中极性代谢物（脂肪酸、胆汁酸、部分脂质）
RP positive	反相	正离子	中极性代谢物（脂质、甾体等）

论文明确：四套数据分别独立分析；只保留 MS1 与 MS2 谱图同时匹配内部库与外部库的注释代谢物；统计前去除 QC 样本。

坑点 3： 「四套独立分析」意味着没有一张合并的代谢物 × 样本矩阵。想做一个跨色谱的联合模型，必须自行完成保留时间对齐、加合物归并、批次校正——这是一项不小的工程，论文没有提供现成的合并表。

论文 Fig 2d–e 展示了若干代谢物的纵向强度曲线，其中包括 ivacaftor 本身与色氨酸（tryptophan）——前者可作为用药依从性的客观证据（血中测到药即说明服了药），后者是肠道-肺轴（gut-lung axis）研究中常见的宿主-微生物共代谢物。但论文未公布鉴定到的代谢物总数。

2.5 炎症与其他读数：三条轴

数据集把炎症拆成三条轴，分别对应三个解剖部位：

• 全身（systemic）：血清 CRP、免疫球蛋白（含 IgG）、白细胞计数、ESR；Fig 2b–c 展示 IgG 与白细胞数的纵向变化；
• 胃肠道（gut）：粪便钙卫蛋白（fecal calprotectin），Quantum Blue 法——CF 患者肠道炎症的常用无创标志物；Fig 3b；
• 气道（airway）：痰上清 TNFα、IL-1β、IL-6、IL-8（BD CBA Human Inflammatory Cytokines Fix Set，BD LSR II 流式，FCAP Array v3.0 分析）+ 中性粒细胞弹性蛋白酶（neutrophil elastase, NE） 比色法（405 nm，以 Sivelestat 作竞争性抑制剂阴性对照，Tecan Spark 读板）。

此外还有肝功能（ASAT/ALAT，Fig 3c–d）与常规微生物学（美因茨医学微生物与卫生研究所，DTT 液化 + 3-loop 划线，巧克力琼脂 5% CO₂ 培养奈瑟菌、Sabouraud 30 °C 检霉菌等）。

论文 Table 1 给出的常规微生物学示例是**金黄色葡萄球菌（Staphylococcus aureus）**携带率：

• 咽部：5/8（63%）→ 7/8（88%）→ 6/8（75%）→ 5/8（63%）→ 4/6（67%）→ 3/5（60%）→ 4/6（67%）→ 2/4（50%）→ 3/5（60%）
• 痰：3/5（60%）→ 2/6（33%）→ 2/6（33%）→ 3/4（75%）→ 3/4（75%）→ 3/4（75%）→ 3/5（60%）→ 2/3（67%）→ 1

注意分母：痰的分母从 5 变到 6、4、3——分母本身在变，所以这些比例的升降不能直接解读为「携带率上升/下降」。这是本数据集里最典型的「分母陷阱」。

2.6 数据文件在哪一层：三库分工

仓库	内容	粒度
GitHub RebeccaLuise/DeepPheno_Luma-Iva	data/ 目录下的处理后临床/微生物组/代谢组数据与元数据表；11 个 .Rmd（ClinicalData、metadata_16S_fastq、import_explore_m2_3And4、Metabolomic_analysis、Fig2/Fig3/Fig4、orkambi_kids_visualizations、orkambi_kids_dominant_taxa、ggalluvial_dominanceSputum）；README	分析级
SRA PRJNA1119982	原始 16S FASTQ，145 个 run	原始 reads
MassIVE MSV000094922	原始血清代谢组质谱	原始谱图
Zenodo 20837397	GitHub data_publication 分支快照 zip（32.4 MB，md5 da973035f2924960073a3c6a8b2fa060），2026-06-24 发布	归档快照

GitHub 的 .Rmd 命名本身就是一份「分析目录」：想复现 Fig 4 的呼吸道比较，直接跑 Fig4.Rmd；想看菌群优势菌属，跑 orkambi_kids_dominant_taxa.Rmd；想看痰菌群的流向图，跑 ggalluvial_dominanceSputum.Rmd。这是少见的「图–脚本一一对应」发布方式，对二次分析者非常友好。

§3 研究设计与治疗背景：IV 期试点意味着什么

3.1 从「IV 期」三个字能读出什么、读不出什么

论文自述为 “prospective phase IV pilot study”，背景节进一步写 “a pilot phase IV observational cohort to establish infrastructure and sampling workflows for future large-scale pediatric cystic fibrosis studies”。

这句话里有两个限定词必须拆开看：

• 「IV 期」 在药物研发语境中指上市后研究。它意味着药物已获批、安全性已有基础数据，研究目的通常是长期安全性、真实世界效果、特殊人群或新适应症。IV 期试验可以是确证性的（如大型上市后安全性研究），但不一定是。
• 「pilot（试点）」 直接把定位钉死：这是建立基础设施与采样流程的探索性研究，目的写得很清楚——“to establish infrastructure and sampling workflows for future large-scale pediatric cystic fibrosis studies”。

两者叠加，「IV 期试点观察性队列」的实际含义是：在真实临床场景下，为未来的大型研究跑通一套采样与表型流水线。它不设对照组、不设主要疗效终点、不做随机化。

坑点 4： 「IV 期」容易被误读为「最高级别证据」。循证医学的证据分级看的是设计类型（随机对照 > 队列 > 病例系列），而不是研发阶段。一个 n=8 的 IV 期开放标签观察队列，其因果推断强度低于任何一项随机对照试验。看到 “phase IV” 就想到「证据充分」是典型的术语误判。

3.2 论文自身的「不主张」表述

作者在 Limitations 一节只写了三句话，但每一句都指向同一个方向——不要过度解读：

1. “The dataset originates from a pilot cohort and should not be interpreted as representative of the broader cystic fibrosis population.”
2. “Follow-up completeness decreased after month 12.”
3. “Sputum availability varied because younger participants could not consistently expectorate samples.”

同时作者给出了正面的自我定位：“the cohort provides unusually dense longitudinal phenotyping across multiple biological domains and remains valuable as a reusable data resource.”

这句话的落脚点是 “reusable data resource”（可复用数据资源），而不是 “evidence of efficacy”（有效性证据）。这是全篇最该被引用的一句。

3.3 统计口径：探索性线性混合模型

论文使用 exploratory linear mixed-effects models（探索性线性混合效应模型），以参与者标识作为随机效应。这个选择本身说明了设计意图：

• 混合模型处理的是同一个体内重复测量的相关性，适用于纵向数据；
• 但"exploratory（探索性）"在统计语言里意味着不做多重比较校正下的确认性推断，得到的 p 值仅作线索；
• 论文 Fig 4e 另用 PERMANOVA 报告各变量对呼吸道菌群组成的解释度（R²），这同样是描述性分解而非假设检验结论。

坑点 5： 把混合模型输出的 p 值当作「治疗有效」的证据，是本数据集最容易被二次利用者犯的错。原文从未把任何 p 值解释为治疗效应；混入「治疗」这一时变协变量后，模型系数还同时吸收了年龄增长、季节、抗生素暴露等共变。

3.4 药物背景：LUMA/IVA 是什么、和 ETI 差在哪

维度	LUMA/IVA（Orkambi）	ETI 三联（Trikafta/Kaftrio）
组分	lumacaftor（校正剂）+ ivacaftor（增效剂）	elexacaftor + tezacaftor（两个校正剂）+ ivacaftor
适用基因型	F508del 纯合子	F508del 纯合/杂合及多个其他突变
获批时间	2015（美国）	2019（美国）
典型效应量	sweat chloride 与 ppFEV1 改善幅度中等	改善幅度更大
在本数据集中的角色	受试药物	未使用；仅在姊妹研究中出现

这条对照解释了为什么本数据集的汗液氯离子只降到 74-75 mmol/l（仍高于 60 mmol/l 的 CF 诊断阈值，也高于健康人 < 30 mmol/l 的水平），而 ETI 时代常见降到 30-40 mmol/l 区间。这是药物本身的效力差异，不是数据质量问题，也不是依从性问题。

3.5 与姊妹研究 IMMProveCF 的关系（关键辨析）

同一研究网络（Mainz + MDC/Charité，通讯均为 Forslund-Startceva 与 Poplawska）另有一项 IMMProveCF 研究，发表于 Nature Communications 2025;16:10111（doi 10.1038/s41467-025-64218-z，PMID 41253756），注册号 DRKS00023862。

两者的对照：

项	本数据集 OrkambiKIDS	IMMProveCF
注册号	DRKS00022267	DRKS00023862
药物	lumacaftor/ivacaftor（双联）	elexacaftor/tezacaftor/ivacaftor（ETI 三联）
队列	8 名儿童（F508del 纯合子）	35 名 pwCF + 49 名健康对照
微生物组生境	粪便、痰、咽拭子	痰、咽、粪便
定位	数据描述论文	结果论文（有明确发现）
发表	Data in Brief 2026	Nat Commun 2025

本数据集的 Data Availability 一栏明确写 “Related research article: none”，只在 “Further reading” 里列出 IMMProveCF。也就是说：本数据集没有一篇「对应的结果论文」——它就是数据本身。

千万别撞库：IMMProveCF 是另一项研究。若要引用 ETI 对菌群的影响，应引 Nat Commun 2025 那篇；若要使用本数据集的原始数据，应引 Data in Brief 2026 这篇 + Zenodo DOI。两者注册号、药物、样本量全部不同。本条目只覆盖后者。

3.6 伦理与注册

• 伦理批件：Landesärztekammer Rheinland-Pfalz 2018–13,526（莱茵兰-普法尔茨州医师协会伦理委员会）；
• 注册：德国临床试验注册库 DRKS00022267；
• 遵循赫尔辛基宣言；参与者与家长均签署书面知情同意；
• 伦理批准年份 2018 与论文发表年份 2026 相隔 8 年——这解释了为什么数据现在才发布：采样早于数据发布标准化的时代，发布晚于 ETI 成为主流之后。

§4 三层数据结构：宿主表型、微生物组、代谢组

4.1 第一层：宿主表型（host phenotype）

这一层的核心是把 CF 的「疾病活动度」量化成可纵向追踪的数字。数据集提供了四组读数：

（1）营养状态 —— BMI z-score
CF 儿童的营养状况是预后关键指标。BMI z-score 按年龄性别标准化，0 为同龄人群均值。本队列基线 −0.68（低于均值 0.68 个标准差），符合 CF 儿童常见的轻度营养不良表型。纵向看，Table 1 中 BMI z-score 从 −0.68 一路走到 V9 的 −0.36——方向是向好的，但如 §2.1 所警告，V8/V9 的样本组成变化使这一趋势不能直接归因于药物。

（2）CFTR 功能 —— 汗液氯离子
汗液氯离子是 CFTR 功能最直接的体内读数（体外可用肠电流或鼻电位差，但侵入性强）。诊断阈值为 > 60 mmol/l；健康人通常 < 30 mmol/l。本队列 101 → 75 → 74 mmol/l（基线/3 月/12 月）。这个下降幅度说明药物确实产生了生物学效应（CFTR 功能部分恢复），但仍未回到诊断阈值以下——这与 LUMA/IVA 的已知效力一致。

（3）肺功能 —— ppFEV1 与 ppFVC
ppFEV1（percent predicted forced expiratory volume in 1 s，一秒用力呼气容积占预计值百分比）是 CF 临床试验的经典终点。本队列基线 92 (85, 107)——注意这个数字偏高：多数 CF 患儿基线 ppFEV1 显著低于 90，而本队列接近甚至超过 100。这说明这是一个肺功能相对保留的早期队列，可能是「轻症 + 早期干预」的选择结果，也可能是 8 人小样本的偶然。这直接影响数据集的适用边界：它不能代表肺功能已明显受损的 CF 人群。

（4）炎症与肝功能
三条炎症轴（全身/肠道/气道）与两条肝功能读数（ASAT/ALAT）已在 §2.5 说明。肝功能的意义在于：lumacaftor 有肝毒性风险，临床要求定期监测转氨酶——数据集把 ASAT/ALAT 纳入纵向采集，本身是对药物安全监测的忠实记录。

4.2 第二层：微生物组 —— 三个生境不是一件事

这是本条目最需要说清的部分。很多二次分析者会把「粪便 + 痰 + 咽拭子」当成「同一菌群在三个地方采样」，从而做出错误的合并分析。它们代表三个生物学上截然不同的生态系统：

维度	粪便（肠道）	痰（下气道）	咽拭子（上呼吸道）
生态系统	厌氧、高密度（10¹¹-10¹² CFU/g）、以拟杆菌门/厚壁菌门为主	需氧-微需氧、低生物量、病原体主导	需氧、中等生物量、口腔菌群与呼吸道菌群混合
CF 中的病理角色	肠道菌群失调（dysbiosis）、肠道炎症、肠-肺轴	慢性感染与炎症的主战场（铜绿假单胞菌、金葡）	上呼吸道定植库，可能是下气道感染的来源
与药物的关系	经肠肝循环与胆汁酸代谢间接受 CFTR 影响；变化缓慢	直接受黏液清除改善影响；变化较快	介于两者之间
采集难度	家庭自采，易	需诱导咳痰，年幼者困难	护士采集，最易
本数据集 run 数	59	32	54
主要分析	Shannon alpha、Bray–Curtis NMDS（Fig 3e–f）	与咽拭子配对做 PCoA 与 PERMANOVA（Fig 4d–e）	同左

为什么肠道菌群在 CF 里重要？ CFTR 在肠道上皮表达，功能缺失导致肠腔 pH 下降、黏液层异常、胆汁酸组成改变，进而改变肠道菌群。CF 患者常见肠道炎症（可用粪便钙卫蛋白追踪）、胰腺外分泌不足（需胰酶替代）以及抗生素的长期暴露（即使治疗肺部，口服/静脉抗生素也会重创肠道菌群）。因此粪便菌群的变化往往滞后于气道——这一「时序差」正是本数据集的独特价值：同一个体内可以比较两个系统的响应快慢。

为什么痰和咽拭子要配对？ 二者同属呼吸道但是不同生态位。痰代表下气道（真正发生感染的地方），咽拭子代表上呼吸道（定植库）。同一访视同时采集，可以做配对比较——Fig 4d 的 PCoA 用连线标注了同访视配对样本，Fig 4e 用 PERMANOVA 分解「样本类型」「参与者」「访视」等变量对菌群组成的解释度。

坑点 6： 「粪便菌群 = 肠道菌群，痰菌群 = 气道菌群」这个简化在多数语境下成立，但不能反过来说「三处菌群变化方向一致就说明是同一机制」。论文的 Fig 4 之所以把痰与咽拭子配对连线，正是因为二者不能混为一谈。任何把三生境 reads 合并成一个「CF 菌群」矩阵的做法都是错的。

4.3 第三层：代谢组 —— 宿主与微生物的共代谢界面

血清代谢组在 CF 研究中的特殊价值在于它同时反映宿主代谢与微生物代谢：

• 短链脂肪酸（SCFA，如丁酸、丙酸）由肠道菌发酵膳食纤维产生，进入门静脉后可在外周血检出；
• 胆汁酸由宿主肝脏合成、经肠道菌修饰（去结合、脱羟基），其血清谱可反推菌群功能；
• 色氨酸及其代谢物（kynurenine、indole 衍生物）是肠-肺轴的经典媒介，论文 Fig 2e 专门展示了色氨酸的纵向曲线；
• ivacaftor 本身能在血清中检出，可作为服药依从性的客观生物标志物。

这套设计与微生物组共用时间轴，因此可以做「菌群丰度 ↔ 代谢物强度」的时序关联。但注意因果方向：关联不等于菌群产生该代谢物，也可能是宿主代谢改变后反向塑造菌群。

4.4 三层如何对齐：一份「融合键」规范

想把三层拼起来，需要一把统一的键。数据集提供的信息足以构造以下复合键：

participant_prefix (BLV/MJV/SAV/DEV/HDV/MLV/SHV/TTV)
  + visit_number (1-9, 对应 0/3/6/9/12/15/18/21/24 月)
  + sample_type (Stool / Sputum / ThroatSwab / Serum / Sweat / Clinical)

层	可对齐到	不可对齐到
临床与人体测量	全部 9 个访视	—
汗液氯离子	仅 V1、V2、V5	V3/V4/V6-V9
血液指标与血清代谢组	V1–V5、V7、V9	V6、V8（未采血）
粪便 16S	有样本的访视	无样本访视（未公开逐访视份数）
痰/咽拭子 16S	有样本的访视	痰在年幼者常缺
痰炎症标志物	有痰的访视子集	无痰访视

坑点 7： 三层的「可用访视集合」各不相同。直接 merge 后得到的交集会显著小于任何单层，且越往后的访视越稀疏。建议先画出「访视 × 层」的可得性热图再决定分析窗口——多数稳健分析实际上只能锁定在 V1–V5（前 12 个月） 这个全员完成的窗口内。

§5 复现路径：从 FASTQ 到 Fig 4 的四段路

5.1 路径一：直接用处理好的数据（最快）

适合做二级分析（如换统计模型、换协变量、做新图）的人：

# 1) 取归档快照（稳定，带 DOI）
wget https://zenodo.org/records/20837397/files/RebeccaLuise/DeepPheno_Luma-Iva-data_publication.zip
# md5 应为 da973035f2924960073a3c6a8b2fa060
# 2) 或直接克隆仓库（可能含后续提交，与快照不完全一致）
git clone https://github.com/RebeccaLuise/DeepPheno_Luma-Iva

进入 data/ 后可找到：临床与参与者元数据（年龄、性别、BMI、BMI z-score、ppFEV1、ppFVC、汗液氯、血常规、免疫球蛋白、炎症标志物、肝酶、粪便钙卫蛋白、常规呼吸道微生物学、用药、抗生素暴露、访视信息）；三生境的处理后 16S 数据与样本元数据；四套代谢组特征表。

.Rmd 脚本与图的对应关系：ClinicalData.Rmd（临床纵向）、Fig2.Rmd（全身读数）、Fig3.Rmd（胃肠与粪便菌群）、Fig4.Rmd（呼吸道与配对菌群）、Metabolomic_analysis.Rmd（代谢组）、metadata_16S_fastq.Rmd（原始 run 与元数据）、import_explore_m2_3And4.Rmd（四套代谢组导入）、orkambi_kids_dominant_taxa.Rmd、ggalluvial_dominanceSputum.Rmd（优势菌属与痰菌群流向）。

5.2 路径二：从原始 FASTQ 重跑（最慢但最可控）

适合做方法学 benchmark（换 DADA2 参数、换参考库、比较 QIIME2 与 DADA2）的人：

1. 从 SRA 取 PRJNA1119982 的 145 个 run（prefetch + fasterq-dump），或直接用 ENA 的 FASTQ 镜像；
2. 按 DADA2 官方流程做质控、去噪、嵌合体去除、ASV 表构建；
3. 用 SILVA 注释（注意论文未公开所用 SILVA 版本号，这是一个复现缺口）；
4. 应用 < 2000 reads 剔除规则——这一步会改变样本数，务必在论文口径下记录；
5. 与 GitHub 的 ASV 表比对，确认重跑结果的一致性。

坑点 8： 论文措辞是 “samples with <2000 reads were excluded”，但没有说明阈值是在哪个阶段应用的（原始 reads？合并后？去嵌合体后？）。不同阶段应用会得到不同的样本集。复现时应把这四种口径都跑一遍，并记录各自的样本数，作为敏感性分析。

5.3 路径三：只用代谢组

MassIVE MSV000094922 提供原始质谱（数据 DOI 10.25345/C58S4K12W）。流程要点：

• 四条色谱-离子组合分别做峰检测与对齐；
• 先剔除 QC 样本再统计（论文明确）；
• 只保留 MS1 + MS2 双匹配的注释——这意味着纯 MS1 的推测注释不在论文口径内，自定义注释会偏离原文；
• 参考流程：Effinger 等 2023（Clin Nutr 42:1202-1212）的代谢组方法。

5.4 路径四：混用（最实用）

现实中多数二次分析会用「GitHub 已处理 ASV 表 + MassIVE 原始谱图重注释」的组合：前者省去生信重跑，后者允许自定义代谢物库。注意两层的样本键必须用 §4.4 的复合键对齐，不要用行号对齐。

5.5 复现缺口清单（诚实披露）

缺口	影响
SILVA 版本号未公开	注释结果无法逐字复现
代谢物总数未公开	无法核对特征表完整性
ASV 总数未公开	无法核对 ASV 表规模
逐访视各类样本份数未公开	无法预先规划分析窗口
<2000 reads 剔除阶段的定义未公开	样本集边界不确定
GitHub 无 SPDX 许可证文件	商业再分发存在法律不确定性

这些缺口不削弱数据的价值，但要求使用者在论文中显式声明自己的处理选择，而不是声称「按原文复现」。

§6 获取与许可：三层资产的三种门

6.1 资产分层与获取门槛

层	具体内容	位置	门槛	许可
论文	Data in Brief 全文	PMC13629212 / doi 10.1016/j.dib.2026.113237	无需申请	CC BY 4.0
处理后数据 + 脚本	元数据表、ASV 表、代谢组特征表、11 个 .Rmd	GitHub RebeccaLuise/DeepPheno_Luma-Iva	无需申请	正文写 “without restrictions”；仓库页面未检出 SPDX 许可证文件
归档快照	GitHub data_publication 分支 zip，32.4 MB	Zenodo 10.5281/zenodo.20837397（全版本 DOI 10.5281/zenodo.20837396）	无需申请	CC BY 4.0（Zenodo 元数据 Rights 栏）
原始 16S	145 个 FASTQ run	SRA PRJNA1119982	无需申请	NCBI 开放数据条款
原始代谢组	血清 LC-MS 原始谱图	MassIVE MSV000094922（数据 DOI 10.25345/C58S4K12W）	无需申请	MassIVE 开放条款
试验注册	研究方案摘要	DRKS00022267	公开登记	—

这张表的意义：与 CF 领域多数队列数据（尤其是儿童数据）动辄需要数据使用协议（DUA）或 IRB 二次审查不同，本数据集全链条无申请门槛。这在儿科罕见病数据里是相当罕见的开放度。

6.2 「without restrictions」不等于「无许可证」

论文 Data Availability 的原文是 “The GitHub repository contains processed metadata tables, microbiome sequencing objects, metabolomics feature tables, and scripts used for data processing and figure generation”，并声明这些内容 “available … without restrictions”。但：

• GitHub 仓库页面未检出 LICENSE 文件（抓取时点）；
• Zenodo 归档明确标注 CC BY 4.0，资源类型标为 Software（因为归档的是 GitHub 仓库快照）。

因此最稳妥的合规做法是：引用 Zenodo 快照的 CC BY 4.0 作为法律依据，按 CC BY 要求署名（“RebeccaLuise. (2026). RebeccaLuise/DeepPheno_Luma-Iva: Data publication (Version data_publication)”+ DOI）。若要商用，建议直接联系通讯作者确认，不要仅凭 “without restrictions” 一句口头表述做法律判断。

坑点 9： Zenodo 把这份归档的资源类型标为 “Software” 而非 “Dataset”。在某些机构的科研产出统计系统里，这会导致它不被计入「数据集」类别。引用时写清「数据 + 代码归档」，避免分类歧义。

6.3 引用规范（建议）

引数据：

Knoll RL, Rossow V, Rössler J, Hilbert K, Jarquín-Díaz VH, Bartolomaeus TUP, Nitsche O, Essex M, Löber U, Meng C, Kleigrewe K, Gehring S, Forslund-Startceva SK, Poplawska K. A longitudinal multi-omic dataset of pediatric cystic fibrosis patients receiving lumacaftor/ivacaftor therapy: clinical, microbiome, inflammatory and metabolomic measurements collected over 24 months. Data Brief. 2026;69:113237. doi:10.1016/j.dib.2026.113237

引代码与处理数据（README 要求）：

RebeccaLuise. (2026). RebeccaLuise/DeepPheno_Luma-Iva: Data publication (Version data_publication). Zenodo. https://doi.org/10.5281/zenodo.20837397

引原始测序：NCBI BioProject PRJNA1119982；引原始质谱：MassIVE MSV000094922。

6.4 AI-Ready 视角下的可获取性光谱

把本数据集放到千方库内的可获取性光谱上看：

• 完全公开 + 元数据完备 + 脚本可复现 的组合，属于「高 AI-Ready」的一端；
• 拖后腿的是规模（n=8）与结构复杂度（三库三生境、四套代谢组、无合并矩阵）；
• 因此它的「Ready」体现在可直接下载，而不是可直接训练——要投入建模仍需大量拼接工程。

详见附录 B 的 DAIMS 评分。

6.5 下载体积参考

资产	体积
Zenodo 归档 zip	32.4 MB（预览可见的压缩包）
SRA 145 个 run 的原始 FASTQ	单 run 约 1-6 MB（ENA filereport 的 fastq_bytes 字段观测范围），合计约数百 MB 量级
MassIVE 原始质谱	未实测（4 套 LC-MS 数据集，通常 GB 量级）

提示：原始 FASTQ 是双端（每个 run 两个 fastq 文件）。做全量重跑前先确认本地磁盘与内存，SRA 的 fasterq-dump 展开后会显著膨胀。

§7 统计卫生：读这份数据必须先接受的六条约束

7.1 第一条：n=8 是设计上限，不是「暂时的小样本」

n=8 不是「数据还没收完」，而是这项试点研究的全部样本。这意味着：

• 任何亚组分析（如按性别、按基线 ppFEV1 分层）都不可行——每组 3-5 人；
• 任何「显著」的组间差异都极易由 1-2 个个体驱动；
• 随机效应的方差估计在 8 个 cluster 下极不稳定，混合模型的置信区间会很宽。

建议：报告个体轨迹图（spaghetti plot）而非仅报告均值曲线。论文本身就用「颜色代表个体」的方式画图（Fig 2/3/4 都是 participant-colored），这是小 n 纵向研究的最佳实践。

7.2 第二条：随访完整性随访视衰减

12 个月后：V6 = 5 人、V7 = 7 人、V8 = 4 人、V9 = 5 人。原因是 COVID-19 限制与参与者可及性。

后果：Baseline vs 24 个月 的配对比较实际只有 5 对（甚至更少，取决于各层样本可得性）。任何声称「24 个月时改善了 X」的表述，都必须写明分母是 5 而不是 8。

7.3 第三条：缺失不是随机的

三类缺失的机制完全不同：

缺失类型	机制	处理建议
V6/V8 无血样	设计性缺失（MNAR 的最简单形式）	显式建模访视效应，勿插补
痰样本缺失（年幼者）	与年龄相关的缺失	必须校正年龄，否则「有痰者」≠「全队列」
汗液氯仅 3 个访视	设计性稀疏	只在这 3 点做纵向比较，勿插值到中间点

坑点 10： 把「有痰者的气道炎症指标」当作「全队列的气道炎症」是这类数据最常见的过度推广。年幼者既咳不出痰，又往往病程更早期——缺失本身携带了疾病阶段信息。

7.4 第四条：table 1 的年龄列会「反向跳变」

如 §2.1 所述，V8 年龄中位从 10.00 掉到 7.00，V8 女性占比 100%。这纯粹是留存者组成变化，不是采样误差。

读表法则：纵向表中任何一列出现了「不合生物学常理的方向变化」（如年龄下降），先检查该访视的 N，再看是否是构成效应。

7.5 第五条：微生物组数据的组成性（compositionality）

16S 数据是相对丰度，总量约束为 1。这带来两个后果：

• 单一菌属的「上升」可能只是其他菌属下降的镜像（因为总和固定）；
• 不能用 Pearson 相关直接分析菌属间关系，应使用 CLR（centered log-ratio）等组成性方法。

论文使用的是 Shannon alpha 多样性与 Bray–Curtis beta 多样性（后者是距离度量，不受总量约束影响），没有做组成性变换。二次分析者若要用差异丰度工具，需自行 CLR 化。

7.6 第六条：126 个比较里挑出一个 p<0.05 很容易

虽然论文只做了描述性展示，但当数据集被二次利用时，分析空间会急剧膨胀：3 生境 × 9 访视 × 数十个菌属 × 数十个代谢物 × 十余项临床指标，组合数极大。

建议：沿用论文的探索性定位，任何阳性发现都做 FDR 校正 + 独立验证（如 IMMProveCF 或外部队列） 后再声称。

7.7 统计卫生小结表

约束	数字	实操含义
样本量	n=8	只做个体轨迹与整体描述，不做亚组推断
完整窗口	V1–V5（0-12 月）	纵向建模主窗口
24 月配对	≤5 对	分母必须显式写出
血样缺失点	V6、V8	代谢组/血液指标的纵向断点
汗液氯点	V1、V2、V5	只此三点
痰可得性	32 run（最少）	气道结论外推受限

§8 生态与影响：这份数据在 CF 研究版图中的位置

8.1 CF 多组学数据的稀缺性

CF 领域公开的多组学数据呈现明显的**「成人多、儿童少；横断面多、纵向少；单组学多、多组学配对少」**格局。原因很直接：

• 儿童样本采集受限（采血量、配合度、伦理审查更严）；
• 纵向随访依从性难维持；
• 儿科 CF 中心数量少于成人中心，样本池小。

本数据集同时满足「儿童 + 纵向 24 个月 + 三生境微生物组 + 血清代谢组 + 临床表型」，在这个空间里属于稀缺交集。论文的 Value of the Data 一节把这一点列为第一条：“Provides a rare 24-month longitudinal pediatric cystic fibrosis dataset.”

8.2 三个「配对」的设计巧思

配对	价值
同访视痰 vs 咽拭子	上/下呼吸道的直接比较，可推「定植库→感染灶」的传播假设
同访视粪便 vs 气道	肠-肺轴的时序差（肠道响应慢、气道响应快）
同参与者多时间点	个体内变化不受人种/年龄/基因型混杂影响——这是 n=8 背景下最有价值的对比形式

第三条尤其重要：在 n=8 的情况下，「个体内前后对比」的信息量远高于「个体间比较」。这也是为什么论文所有图都用 participant-colored 的方式呈现。

8.3 与姊妹研究 IMMProveCF 的互补关系

• OrkambiKIDS（本数据集）：LUMA/IVA 时代、儿童、n=8、数据描述、无结果论文；
• IMMProveCF：ETI 时代、35 名 pwCF + 49 健康对照、有结果论文（Nat Commun 2025）。

两者合起来，恰好构成一条跨 modulator 时代的时间线：一个代表「双联时代的早期儿科证据基础设施」，一个代表「三联时代的机制发现」。论文 Value of the Data 第四条写 “Provides an opportunity to compare pre-ETI and early modulator-era pediatric cohorts”——这句话的底气正来自这两个队列的存在。

8.4 对 CF 医疗实践的影响（务实评估）

层面	影响
临床指南	无直接影响。n=8 试点数据不进入指南证据链
药物警戒	间接。肝功能、汗液氯、肺功能的纵向读数可作为 LUMA/IVA 安全性监测的参考模式
真实世界研究	中等。为「如何在儿科做纵向多组学」提供了可复制的 SOP
方法学	较强。三生境配对 + 四套代谢组 + 图-脚本一一对应，是方法学 benchmark 的优良素材

一句话：它的影响面在研究方法而不在治疗决策。

8.5 与库内微生物组条目的关系

千方库内已有若干微生物组基础设施条目（HMP rid=44、curatedMetagenomicData rid=513、American Gut rid=508、MGnify rid=503、GMrepo rid=1181），它们提供的是参考库与汇总层；本数据集提供的是单一罕见病、单一队列、多层配对的深度表型实例。两者关系如「地图与一个具体城市」：地图给出全局坐标，城市给出街道细节。详见 §9 与附录 M。

§9 与库内条目的关系

9.1 可按「数据角色」分类的互链图谱

角色	库内条目	rid	互链理由
微生物组参考底座	HMP（人类微生物组计划）	44	16S/宏基因组基线参考；本数据集的三生境可与 HMP 的体表部位对照
统一处理的纵向人体菌群	curatedMetagenomicData	513	全套统一流程的纵向人体菌群集合，方法学对照对象
肠道菌群纵向队列	American Gut Project	508	大规模肠道菌群与生活方式队列，作外部队列参照
样本级菌群平台	MGnify	503	16S/宏基因组分析平台，可承接本数据集的 ASV 后续分析
菌群-表型关联库	GMrepo v3	1181	人体菌群与表型的策展关联，可用于交叉验证候选菌属
代谢组通用库	Metabolomics Workbench	484	与 MassIVE 平行的代谢组数据中心
质谱归档生态	PRIDE / ProteomeXchange	379 / 389	质谱原始数据归档生态（与 MassIVE 同族）
代谢物注释本体	ChEBI / HMDB	314 / 470	代谢组注释与化学实体映射
临床试验注册镜像	AACT	230	DRKS/AACT 类注册记录对照，可查 IV 期研究设计范式
儿科队列对照	EchoNet-Pediatric	771	儿科队列的另一个模态样本（超声），患者覆盖维度对照

9.2 检索路径建议

• 想找「能做纵向宿主-菌群关联」的数据 → 本条目 + curatedMetagenomicData（rid 513）；
• 想找「儿童罕见病多组学」 → 本条目 + EchoNet-Pediatric（rid 771，儿科队列）；
• 想找「代谢组原始数据归档」 → 本条目 + Metabolomics Workbench（rid 484）+ PRIDE（rid 379）；
• 想找「CF 相关影像」 → 本条目没有对应项，需另检（库内暂无 CF 影像数据集）。

9.3 边界声明

本条目只覆盖 OrkambiKIDS / DeepPheno_Luma-Iva 这一份数据。以下均不属本条目：

• IMMProveCF（Nat Commun 2025，ETI，n=35）——独立研究，独立注册号；
• 任何 Orkambi 的注册临床试验（如 TRAFFIC/TRANSPORT）——本数据集不是这些试验的数据；
• 其他 CF 生物样本库（如 CF Foundation 的 PTI 注册库）。

§10 避坑清单：十个已踩过的坑

以下每条都在本条目写作过程中被明确识别，附「正确做法」。

坑点 1：把 V6/V8 的代谢组缺失当随机缺失处理。
→ 正确做法：视作设计性缺失，混合模型显式建模访视，不做插补。

坑点 2：把 145 个 SRA run 说成「145 个样本进入分析」。
→ 正确做法：写「145 个原始测序 run（粪便 59 / 咽拭子 54 / 痰 32）」，并注明 <2000 reads 剔除后的最终样本数未公开。

坑点 3：以为四套代谢组可以拼成一张矩阵。
→ 正确做法：四套独立分析，跨色谱合并需自行做保留时间对齐与加合物归并，论文未提供合并表。

坑点 4：看到 “phase IV” 就认为证据等级高。
→ 正确做法：证据等级看设计类型；这是 n=8 无对照开放标签试点，因果推断强度低。

坑点 5：把混合模型的 p 值当疗效证据。
→ 正确做法：论文自述 exploratory，p 值仅作线索；模型同时吸收年龄、季节、抗生素暴露等共变。

坑点 6：把三生境菌群合并成一个「CF 菌群」矩阵。
→ 正确做法：粪便（肠道）/痰（下气道）/咽拭子（上呼吸道）生物学含义不同，应分别处理；痰与咽拭子按同访视配对分析。

坑点 7：直接 merge 三层后以为样本很多。
→ 正确做法：先画「访视 × 层」可得性热图；稳健窗口实为 V1–V5。

坑点 8：以为 <2000 reads 阈值有唯一应用阶段。
→ 正确做法：论文未定义阶段，复现时跑多种口径并报告敏感性分析。

坑点 9：把 “without restrictions” 当许可证。
→ 正确做法：以 Zenodo CC BY 4.0 为法律依据；商用前联系通讯作者。

坑点 10：把 Table 1 痰培养比例当携带率变化趋势。
→ 正确做法：分母逐访视变化（5→6→4→3），比例不可直接纵向比较。

10.1 附加：三个「看起来像但不是」的陷阱

看起来像	实际是
IMMProveCF 的同一队列	不同研究（DRKS00023862 vs DRKS00022267，ETI vs LUMA/IVA）
「24 个月数据」= 每人 24 个月	只有 5 人到 24 个月
「儿童（2-12 岁）」= 队列覆盖 2-12 岁	基线中位 9.5 岁；2-12 是 SRA/MassIVE 条目的范围声明，实际以中小学生为主

§12 深度阅读：三个生境的生物学对照手册

本节把 §4.2 的定性描述展开成可操作的对照手册，供二次分析者在决定「是否合并」「如何校正」时查阅。

12.1 生境一：肠道（粪便标本）

解剖与生理背景。 CFTR 在肠上皮隐窝细胞顶膜表达，负责氯离子分泌。功能缺失导致肠腔液体分泌减少、黏液层增厚、腔内 pH 下降。临床上，约 85% 的 CF 患者存在胰腺外分泌不足（pancreatic exocrine insufficiency, PEI），需终身胰酶替代治疗（pancreatic enzyme replacement therapy, PERT）；未治疗者出现脂肪泻、脂溶性维生素缺乏与生长发育迟缓。

对菌群的三重影响：

1. 底物改变：未消化的脂肪与蛋白进入结肠，为特定菌群提供额外底物；胰酶替代后这一输入部分恢复。
2. pH 与胆汁酸：肠腔酸化改变胆汁酸溶解度；胆汁酸池组成变化直接影响耐受胆汁酸的菌属（如拟杆菌属、梭菌纲成员）。
3. 抗生素附带损伤：CF 患者长期接受吸入或全身抗生素治疗肺部感染，口服抗生素经肠道，对结肠菌群造成反复冲击——这是 CF 肠道菌群失调最主要的医源性驱动。

在本数据集中的对应读数： 粪便 16S（59 run）；粪便钙卫蛋白（Fig 3b）；BMI z-score（Fig 3a）；ASAT/ALAT（Fig 3c-d，反映肝受累与药物肝毒性监测，不是菌群读数）。

解读要点： 粪便菌群的变化慢。因为结肠菌群生态位稳定、生物量大（10¹¹-10¹² CFU/g），一次扰动（如一个疗程抗生素）通常需要数周至数月恢复。若观察到粪便菌群在 3 个月内就有显著变化，应先排除抗生素暴露这一共变，再考虑药物效应。

12.2 生境二：下气道（痰标本）

解剖与生理背景。 CF 气道表面液体（airway surface liquid, ASL） depleted，黏液黏稠、纤毛清除受损，形成缺氧、富营养的微环境，利于特定病原体定植。经典病原谱：金黄色葡萄球菌（早期）、铜绿假单胞菌（Pseudomonas aeruginosa，后期，与肺功能下降强相关）、伯克霍尔德菌、非结核分枝杆菌。

对菌群的影响： 下气道在健康人是低生物量生态位；在 CF 患者则被病原体主导，多样性通常下降。这正是「alpha 多样性升高 = 更健康」这一直觉在 CF 气道中需要谨慎使用的原因——它是相对于该患者自身基线，而不是相对于健康人。

在本数据集中的对应读数： 痰 16S（32 run）；痰 TNFα/IL-1β/IL-6/IL-8；中性粒细胞弹性蛋白酶；常规培养（Table 1 的金葡携带率）；ppFEV1 相对基线变化（Fig 4a）；痰与咽拭子的 PCoA 与 PERMANOVA（Fig 4d-e）。

解读要点： 痰菌群变化快。气道是开放的、生物量低的系统，药物改善黏液清除后可较快重塑。但痰样本的可得性本身与疾病状态相关：咳得出痰的人往往气道病变更重——这是一个典型的**碰撞偏倚（collider bias）**来源，因为「被纳入分析」同时取决于「愿意参与」与「能咳出」。

12.3 生境三：上呼吸道（咽拭子标本）

解剖与生理背景。 咽部是口腔菌群与呼吸道菌群的混合区，含大量唾液来源的链球菌、普雷沃菌、韦荣球菌等。它是下气道感染的定植库（reservoir）——病原体常先在咽部定植，再经微吸入进入下气道。

在本数据集中的对应读数： 咽拭子 16S（54 run）；常规培养的咽部金葡（Table 1）。

解读要点： 咽拭子与痰的同访视配对是本数据集最有价值的设计之一。配对分析可以回答：「同一个人同一时间点，上呼吸道与下气道的菌群差异有多大？」——这是传播假说的直接检验材料。论文 Fig 4d 用连线标注配对，Fig 4e 用 PERMANOVA 分解变量解释度，正是服务于这个问题。

12.4 三生境对照总表

属性	肠道（粪便）	下气道（痰）	上呼吸道（咽拭子）
生物量	极高（10¹¹-10¹² CFU/g）	低（CF 中升高）	中
氧环境	严格厌氧	需氧-微需氧	需氧
主导菌门	拟杆菌门、厚壁菌门	变形菌门、厚壁菌门	厚壁菌门、拟杆菌门、放线菌门
CF 特征	失调、多样性下降、肠炎	病原体主导、多样性下降	定植库、混合口腔菌群
响应速度	慢（周-月）	快（天-周）	中
主要混杂	抗生素、饮食、胰酶	能否咳痰、吸入治疗	口腔卫生、采样深度
本数据集 run	59	32	54

一句话记忆：粪便看「药物与抗生素的长期代谢后果」，痰看「气道局部战况」，咽拭子看「战场的后方补给线」。

12.5 跨生境分析的四种合法提问方式

提问	分析设计	注意
同一个人肠道与气道菌群是否同步变化？	以个体为单位做跨生境相关（时间对齐）	n=8，只能做描述
上呼吸道与下气道菌群差异有多大？	同访视配对 + PERMANOVA	需按访视分层
肠道菌群改变是否先于/后于气道？	滞后相关（lagged correlation）	访视间隔 3 个月，分辨率有限
血清代谢物是否与特定菌属共变？	菌属丰度 × 代谢物强度的时间对齐关联	关联非因果

§13 CFTR 调节剂的药物学背景（读懂剂量与效应的前提）

13.1 lumacaftor/ivacaftor 的作用机制

lumacaftor（VX-809） 是 CFTR 校正剂（corrector）：F508del 突变导致 CFTR 蛋白折叠错误，被内质网的质控系统（ERAD）降解，无法到达细胞膜。lumacaftor 直接结合 CFTR 的跨膜结构域，改善其构象稳定性，使部分蛋白逃过质控、成功转运至顶膜。但到达膜上的 F508del-CFTR 通道开放概率仍然极低（<10% 正常），因此需要：

ivacaftor（VX-770） 是 CFTR 增效剂（potentiator）：结合 CFTR 的跨膜结构域界面，延长通道开放时间，把开放概率提升到正常的约 30-50%。

为什么必须联用？ 单用 lumacaftor 只增加膜上蛋白量但通道仍不开放；单用 ivacaftor 对 F508del 无效（因为蛋白根本到不了膜上）。ivacaftor 单药（Kalydeco）适用于 G551D 等门控突变——蛋白能到膜上但开不了。

13.2 为什么汗液氯只降到 74 mmol/l

CFTR 在汗腺导管负责重吸收氯离子。功能恢复的程度直接体现在汗液氯浓度上。LUMA/IVA 的注册试验显示汗液氯平均下降约 20-25 mmol/l，从约 100 降到约 75——本数据集的 101→75→74 与这一幅度高度吻合。这说明：

• 数据可信，与药物已知药效一致；
• 但未达到正常化（<30 mmol/l），说明校正效率有限；
• 与 ETI 相比（常降至 30-40 mmol/l），LUMA/IVA 的效力显著更弱——这是后来 ETI 取代它的核心原因。

对二次分析者的意义：汗液氯是本数据集中唯一直接测量药物靶点功能的变量，应作为「药物暴露是否有效」的金标准协变量，而不是仅用「时间」作为暴露代理。换句话说，若某代谢物只在「汗液氯下降明显」的个体中变化，其证据强于「随时间变化」。

13.3 肝毒性监测的意义

lumacaftor 有明确的肝毒性风险（转氨酶升高，罕见严重肝损伤），FDA 标签要求在治疗第一年频繁监测肝功能。本数据集把 ASAT/ALAT 纳入每次访视（Fig 3c-d），这既是对安全监测的忠实记录，也为「肝酶波动是否与代谢组改变相关」提供了素材。

13.4 与 ETI 的效力对比（供跨时代比较使用）

指标	LUMA/IVA（本数据集）	ETI 三联（领域共识）
汗液氯下降	约 20-25 mmol/l	约 40-60 mmol/l
ppFEV1 改善	约 2.5-4 个百分点	约 10-14 个百分点
适用基因型	F508del 纯合子	更广
肺急性加重率下降	中等	显著
对菌群的影响	本研究未做结论	IMMProveCF 报告显著重塑

跨时代比较的正确做法：不要直接比较「本数据集的 ppFEV1 曲线」与「ETI 队列的 ppFEV1 曲线」——两者的人群、年龄、基线肺功能、随访设计都不同。正确做法是在同一分析框架内纳入时代作为协变量，或做倾向性匹配。

§14 二次分析选题清单（12 个可执行方向）

以下选题均以本数据集现有结构为约束，标注了所需数据层与样本量风险。

#	选题	数据层	风险
1	三生境菌群 alpha 多样性的纵向轨迹与个体异质性	16S × 3	低（描述性）
2	痰 vs 咽拭子配对的菌群差异与个体一致性	16S 痰+咽	低
3	粪便钙卫蛋白与肠道菌群组成的关联	粪便 16S + 钙卫蛋白	中（样本少）
4	血清代谢组与气道炎症标志物的时间对齐关联	代谢组 + 痰炎症	中
5	ivacaftor 血药浓度作为依从性代理的可行性	代谢组	低
6	汗液氯变化幅度分层后的菌群响应差异	汗液氯 + 16S	高（亚组 n 极小）
7	抗生素暴露记录与菌群恢复速度	元数据 + 16S	中（依赖元数据完整度）
8	16S 流程 benchmark：DADA2 vs QIIME2 vs 参考库版本	SRA FASTQ	低（纯方法学）
9	<2000 reads 阈值应用阶段的敏感性分析	SRA FASTQ	低
10	代谢组四套数据的合并策略比较（是否合并、如何合并）	MassIVE	中
11	组成性变换（CLR）vs 相对丰度对结论的影响	16S	低
12	缺失机制敏感性分析：完整病例 vs 混合模型 vs 多重插补	全部	低

优先级建议：选题 1、2、8、12 属于「低风险高确定性产出」，适合作为首篇二次分析；选题 6、4 属于「高风险高价值」，需在论文中充分披露局限。

14.1 选题 8 的详细设计（方法学 benchmark）

这是本数据集最适合做方法学论文的方向，因为：

• 数据是公开的原始 FASTQ，可完全重跑；
• 145 个 run 的规模足以做流程比较；
• 含阴性对照，可评估污染；
• 三生境混合，可测试「不同生物量样本对流程参数的敏感性」。

建议比较维度：

1. 去噪算法：DADA2 vs Deblur vs UNOISE3；
2. 参考库：SILVA 138 vs 138.1 vs GTDB；
3. reads 阈值：1000 / 2000 / 5000 / 10000；
4. 是否去嵌合体、是否去宿主（痰样本的 Benzonase 处理是否足够）；
5. 阴性对照的污染扣除策略（decontam 包）。

预期产出：一套「低生物量呼吸道样本 16S 分析推荐参数」，这比任何单一生物学结论都更有普适价值。

§15 数据的长期价值：为什么 2026 年发布 2018 年的样本仍然有意义

15.1 时间错位的三层解读

第一层：样本老，问题新。 2018 年设计时，ETI 尚未上市（2019 年获批）。研究者的问题是「双联药物如何影响菌群」。到了 2026 年，主流问题已变成「三联药物如何影响菌群」。旧样本对新问题依然有用，因为：

• ETI 时代需要「对照时代」的基线来量化「治疗进步」；
• 早期 modulator 队列的菌群状态，是理解「长期失调能否被逆转」的历史参照。

第二层：数据发布滞后于采集，是儿科研究的常态。 伦理审批、样本处理标准化、生信流程演进、论文写作，任何一环都可能拖 3-5 年。本数据集从 2018 伦理批准到 2026 发表，属于正常区间。

第三层：发布时机的战略选择。 选择在 ETI 成为主流后发布，使这份数据自动获得「历史对照」的定位——这正是论文 Value of the Data 第四条所主张的用途（“compare pre-ETI and early modulator-era pediatric cohorts”）。换句话说，晚发布反而提升了它的相对价值。

15.2 「历史对照」的正确用法与错误用法

用法	评价
作为「pre-ETI / 早期 modulator 时代」的菌群基线参照	✅ 合理
与 ETI 队列做同一分析框架下的时代比较	✅ 合理（需协变量调整）
直接说「ETI 比 LUMA/IVA 效果好，因为菌群变化更大」	❌ 跨研究比较，混杂未控
用本数据集证明「双联无效」	❌ 论文从未做此结论

15.3 未来 5 年的可预期复用场景

1. 罕见病儿科多组学的元分析：本数据集可作为 n=8 级别的「深度表型」样本，与大量「浅表型大队列」互补；
2. 纵向多组学的方法学基准：三生境 + 代谢组 + 临床的对齐结构，是测试新融合算法的天然测试台；
3. CF 注册库的补充层：CF 患者注册库（如各国 CF Registry）通常只有临床数据，本数据集提供了分子层细节；
4. 教学素材：小样本纵向多组学的完整案例（含原始数据、处理代码、图），适合研究生课程。

§16 一个具体的阅读路径：给不同背景读者的 30 分钟指南

16.1 如果你只有 10 分钟

读本条目 §0、§1、INFOBOX，然后打开论文的 Fig 1（研究设计与采样框架）与 Table 1（队列特征）。你就能回答「这是什么、有多大、采了什么」。

16.2 如果你有 30 分钟

在上一段基础上，加读：

• §2.3（16S 三生境规模）——理解 145 run 的构成；
• §3.5（与 IMMProveCF 的区别）——避免撞库；
• §10（十个坑）——避免误读；
• 论文 Limitations 一节（三句话）——作者的自我限定。

16.3 如果你要动手用数据（半天）

1. 下载 Zenodo 快照（5 分钟）；
2. 浏览 data/ 目录，列出所有表的字段（30 分钟）；
3. 画「访视 × 层」可得性热图（30 分钟，参考附录 E）；
4. 跑 Fig4.Rmd 与论文 Fig 4 对照（1 小时）；
5. 决定分析窗口（多数情况锁定 V1-V5）（30 分钟）；
6. 写分析计划，显式列出缺失处理、组成性变换、多重比较策略（1 小时）。

16.4 如果你要写方法学论文（数天）

追加：从 SRA 全量重跑 145 run（需算力与时间）；实现 §14.1 的五维比较；撰写敏感性分析。这是本数据集最有产出的用法。

§17 常见误读的量化纠正

17.1 「汗液氯降了 27 mmol/l，说明治疗有效」

纠正：这是药效学（pharmacodynamic）证据，不是临床疗效（clinical efficacy）证据。前者说明靶点被作用，后者需要终点（如肺急性加重率、生活质量、生存）的改善。本数据集无对照组、无这些终点，不能得出「有效」的结论。正确的表述是：「汗液氯下降与 LUMA/IVA 的已知药效一致，提示药物暴露产生了预期的靶点效应。」

17.2 「BMI z-score 从 −0.68 升到 −0.36，说明营养改善」

纠正：方向正确，但不能归因。同期的干扰因素包括：年龄增长（z-score 已按年龄标准化，但营养追赶本身是 CF 儿童随生长自然发生的）、胰酶剂量调整、营养干预、以及留存者效应（后几个访视只有 4-5 人）。正确表述：「在本队列中，BMI z-score 呈上升趋势，但由于无对照且随访后期样本减少，不能归因于治疗。」

17.3 「粪便菌群多样性升高说明肠道变健康」

纠正：在 CF 中，肠道菌群多样性降低通常与失调相关，因此多样性升高方向上是好信号。但：

• Shannon 多样性受样本测序深度影响（尽管已做稀释）；
• 多样性升高可能只是「抗生素停用后的恢复」，与药物无直接关系；
• n=8 下的多样性差异极易由个体驱动。

17.4 「论文说 24 个月，所以每人都有 24 个月的数据」

纠正：只有 5 人到 V9。前 12 个月 8 人齐全。任何「24 个月」的表述必须附分母。

17.5 「8 个孩子，但组学数据这么多，是不是样本很多」

纠正：样本多是因为同一批人反复采样（9 次访视 × 3 生境 + 血清）。独立个体数仍然是 8。这是纵向数据的基本性质：观测数 ≠ 个体数。统计上必须用混合模型或 GEE 处理个体内相关，不能把 145 个 run 当作 145 个独立样本。

17.6 「pathway/通路分析可以直接用」

纠正：16S 只能到属级（多数情况），功能推断需用 PICRUSt2 等工具，属预测而非测量。若要真实功能，需要宏基因组（本研究未做）。代谢组可以提供功能的间接证据，但不能替代宏基因组。

§18 结语：一个「小而完整」的样本

本数据集最值得学习的地方，不是它发现了什么（它几乎不发现什么），而是它如何把一件小事做完整：

• 8 个人，做了 9 次访视，每次都想方设法采三类样本；
• 三种生境用同一套 16S 流程，保证可比；
• 四套代谢组分开做，保证覆盖；
• 每个图配一个 .Rmd，保证可复现；
• 三个仓库分开放原始与处理后，保证各取所需；
• 失败与不足（幼儿咳不出痰、疫情中断、样本减少）都写进 Limitations，不粉饰。

这种「小而完整」，恰恰是当前多组学数据生态里最稀缺的品质——大多数数据集要么大而浅，要么小而残。本数据集证明了：规模不是唯一的美德，完整性也是。

对千方库而言，这条目的价值在于它是一个高质量参照物：它告诉读者「一份 AI-Ready 的纵向多组学数据应该长什么样」——原始数据、处理数据、脚本、文档、注册号、伦理号、许可证，一应俱全，唯一的短板是许可证声明，而这恰恰是最容易被补齐的一环。

§11 总结

11.1 三句话

1. 它是什么：8 名 F508del 纯合子 CF 儿童启动 lumacaftor/ivacaftor 后 24 个月、9 次访视的纵向多组学数据描述论文，配套 145 个 16S run + 四套血清代谢组 + 完整临床表型，三库全公开。
2. 它的边界：n=8 的 IV 期试点，作者自认不可外推；数据描述论文不是疗效论文，不能作为 Orkambi 有效性证据。
3. 它的价值：在同一个人、同一时间点上把「肠道/下气道/上呼吸道三个生境 + 血清代谢组 + 炎症 + CFTR 功能」对齐，是儿科 CF 领域稀缺的可复用资源，也是跨 modulator 时代比较的锚点。

11.2 适合谁

• 做纵向微生物组统计方法（混合模型、组成性分析、时序关联）的研究者；
• 做多部位配对菌群比较（上/下呼吸道、肠-肺轴）的团队；
• 做代谢组与菌群整合的方法学开发者；
• 需要儿科 CF 真实世界表型分布做仿真或先验设定的建模者；
• 想研究 CFTR 调节剂时代前后队列差异的历史对照设计者。

11.3 不适合谁

• 想找疗效证据的临床医生或指南制定者——请去看 ETI 的 RCT 与 IMMProveCF；
• 想训练大规模深度学习模型的团队——n=8 远不够；
• 想做亚组异质性分析的研究者——每组只有 3-5 人；
• 需要商业再分发明确许可的产品团队——先解决 GitHub 许可证缺失问题。

11.4 30 秒决策卡

你的目的	结论
找儿科 CF 纵向菌群数据	✅ 强推荐，直接下载
找 Orkambi 有效性证据	❌ 换来源
做 16S 流程 benchmark	✅ 推荐（145 run，含阴性对照）
做代谢组-菌群整合新方法	✅ 推荐（四套 LC-MS，配对完整）
需要 >100 人的队列	❌ 换来源（考虑 curatedMetagenomicData / American Gut）
要商用	⚠️ 先确认许可

FAQ（高频问答 24 问）

A. 基础认知

A1：这个数据集和「Orkambi 临床试验」是一回事吗？
不是。Orkambi（lumacaftor/ivacaftor）的注册试验是 TRAFFIC/TRANSPORT 等；本数据集是上市后的一项 IV 期试点观察性队列，目的是建立采样与表型流水线，并把数据公开。它不参与药物审批。

A2：什么是「数据描述论文」（data descriptor）？
Data in Brief 专门发表这类论文。它的核心是描述数据集本身——怎么采、怎么测、怎么处理、放在哪、怎么复用。它通常不做假设检验，也不报告主要终点。评价标准是「数据是否完整、可复现、可复用」，不是「结论是否显著」。

A3：为什么只有 8 个人？
因为这是试点（pilot）。作者原话：目的是 “to establish infrastructure and sampling workflows for future large-scale pediatric cystic fibrosis studies”。8 人是设计上的规模，不是中途掉队的结果（虽然 12 个月后确有掉队）。

A4：F508del 纯合子是什么意思？
CFTR 基因最常见的致病突变是 F508del（第 508 位苯丙氨酸缺失）。纯合子（homozygous） 指两条染色体都携带该突变。在 LUMA/IVA 时代，只有纯合子适用该药；ETI 时代扩大到杂合子及多个其他突变。

A5：为什么这个队列的 ppFEV1 高得反常？
基线中位 92 (85, 107)，个别接近或超过 100。多数 CF 队列基线低于 90。可能原因：队列招募时肺功能尚可、年龄偏小、或单纯是 8 人小样本。无论哪种，都说明它不代表肺功能已受损的 CF 人群。

B. 数据与获取

B1：三处仓库分别放什么？
GitHub 放处理后的数据表与 R 脚本；SRA（PRJNA1119982）放原始 16S FASTQ；MassIVE（MSV000094922）放原始血清代谢组谱图。Zenodo 是 GitHub 的稳定快照。

B2：需要申请吗？
不需要。三处均公开、可直接下载，无 DUA（data use agreement）。

B3：145 个 run 是怎么分的？
实测：粪便 59、咽拭子 54、痰 32，合计 145；全部 AMPLICON / Illumina MiSeq；总 reads 4,606,756。

B4：为什么痰的 run 最少？
年幼参与者咳不出痰。论文明确：“sputum availability varied because younger participants could not consistently expectorate samples.”

B5：代谢组有多少个代谢物？
未公开。论文与 README 都未给出注释代谢物总数。这是明确的信息缺口。

B6：GitHub 有 LICENSE 吗？
抓取时点未检出 LICENSE 文件。Zenodo 归档标 CC BY 4.0。合规引用建议走 Zenodo。

C. 设计与统计

C1：24 个月随访是不是每个人都做满了？
不是。24 个月时只有 5 人在场（V9 N=5）。前 12 个月 8 人全部完成。

C2：为什么 V6 和 V8 没有血样？
研究设计决定：血样在 V1–V5、V7、V9 采集。因此这两个访视点整列无血清代谢组与血液指标。

C3：汗液氯为什么只有三个点？
设计如此：V1、V2、V5（基线、3 个月、12 个月）。中间点未测。

C4：汗液氯从 101 降到 74，说明药有效吗？
说明有生物学效应（CFTR 功能部分恢复），但 74 mmol/l 仍高于 60 的诊断阈值，说明未完全正常化。这是 LUMA/IVA 的已知效力边界，不能等同于「临床获益」。

C5：混合模型的 p 值能用来支持结论吗？
不建议。论文自述 exploratory，未做多重比较校正；且模型吸收了大量共变（年龄、季节、抗生素）。

C6：n=8 能做统计推断吗？
可以做描述性与个体内对比；不宜做组间推断与亚组分析。最佳实践是报告个体轨迹。

D. 多组学解读

D1：粪便、痰、咽拭子的菌群能合并分析吗？
不能。三者是三个生态系统：粪便=肠道（厌氧、高密度），痰=下气道（低生物量、病原体主导），咽拭子=上呼吸道（口腔菌群混合）。应分别处理，痰与咽拭子可做同访视配对比较。

D2：为什么肠道菌群在 CF 里重要？
CFTR 在肠道表达，功能缺失改变肠腔环境；加上长期抗生素暴露，CF 患者普遍存在肠道菌群失调与肠道炎症（粪便钙卫蛋白可追踪）。

D3：肠道菌群和气道菌群谁先变？
论文没有给出结论。但领域共识（含姊妹研究 IMMProveCF）是气道响应快、肠道响应慢。本数据集的三生境配对设计正是为了支持这类时序问题。

D4：血清代谢组能反推菌群功能吗？
可以提假设，不能定因果。短链脂肪酸、次级胆汁酸、色氨酸代谢物都是宿主-微生物共代谢产物，血清中检出不能直接归因于某一菌属。

D5：为什么能测到 ivacaftor？
药物在血清中存在，非靶向质谱会一并检出。这意外成为服药依从性的客观标志物——血里测到药即说明吃了药。

E. 生产与库内

E1：这条目的 slug 为什么叫 pediatric-cf-multiomic？
描述性命名：pediatric（儿科）+ cf（囊性纤维化）+ multiomic（多组学）。官方名过长，slug 需简短唯一。

E2：它和库里已有的微生物组条目怎么区分？
库内 HMP（rid 44）、curatedMetagenomicData（rid 513）、American Gut（rid 508）等是参考库/汇总层；本条是单一罕见病单一队列的深度表型实例。

E3：它和 IMMProveCF 会不会撞库？
不会。独立注册号、独立药物、独立样本量、独立论文。本条目已明确边界。

F. 复现与工程

F1：最快的上手路径是什么？
下载 Zenodo 快照 zip（32.4 MB）→ 解压 → 直接用 data/ 下的处理表 → 跑 Fig4.Rmd 对照论文图。

F2：想从 FASTQ 重跑，先做什么？
先检查 <2000 reads 阈值的应用阶段（论文未定义），建议四种口径都跑，记录各自的样本数。

F3：SILVA 版本号在哪？
未公开。这是复现缺口，注释结果无法逐字复现。

F4：四套代谢组怎么合并？
论文没合并。若要合并，需自行做保留时间对齐、加合物与同位素归并、批次校正。工作量不小。

事实清单（硬事实 26 条）

#	事实	来源
1	论文标题为 “A longitudinal multi-omic dataset of pediatric cystic fibrosis patients receiving lumacaftor/ivacaftor therapy: clinical, microbiome, inflammatory and metabolomic measurements collected over 24 months”	PubMed 42825108 / PMC13629212
2	期刊 Data in Brief，Vol. 69，文章号 113237	PubMed esummary
3	DOI 10.1016/j.dib.2026.113237；PII S2352-3409(26)00784-5	PubMed esummary
4	在线首发 2026-09-10；卷期标注 2026 年 8 月	PubMed epubdate / MDC eDoc
5	收稿 2026-06-24，修回 2026-08-25，接受 2026-09-01	PubMed history
6	14 位作者，第一作者 Knoll RL，末位 Poplawska K	PubMed
7	通讯作者为 Forslund-Startceva SK 与 Poplawska K	PMC 全文
8	招募自 University Medical Center Mainz 儿童呼吸门诊	PMC 全文
9	伦理批件 Landesärztekammer Rheinland-Pfalz 2018–13,526	PMC 全文
10	注册号 DRKS00022267	PMC 全文
11	8 名 F508del 纯合子儿童	摘要
12	9 次访视，最长 24 个月	Fig 1 / Table 1
13	各访视 N = 8/8/8/8/8/5/7/4/5	Table 1
14	基线年龄中位 9.50 岁（IQR 7.00-10.25）	Table 1
15	女 5（63%）男 3（38%）	Table 1
16	汗液氯 101→75→74 mmol/l（基线/3 月/12 月）	Table 1
17	16S V4 区，515F/806R，Illumina MiSeq V3	方法节
18	DADA2 + SILVA；<2000 reads 剔除	方法节
19	血清非靶向 LC-MS，HILIC + RP × 正负离子四套	方法节
20	SRA PRJNA1119982 共 145 run（粪便 59/咽拭子 54/痰 32），总 reads 4,606,756	ENA filereport API 实测
21	MassIVE MSV000094922；数据 DOI 10.25345/C58S4K12W	论文 Data Availability / MDC eDoc
22	Zenodo 10.5281/zenodo.20837397，version data_publication，2026-06-24，CC BY 4.0	Zenodo 页面
23	论文许可 CC BY 4.0	PMC 授权文本
24	资助含 Vertex Pharmaceuticals investigator-initiated grant	Acknowledgements
25	论文使用 ChatGPT 5.5 做语言编辑（作者声明）	GenAI 声明
26	姊妹研究 IMMProveCF：Nat Commun 2025;16:10111，DRKS00023862	Further reading / DRKS

术语表（22 条）

术语	中文	释义
cystic fibrosis (CF)	囊性纤维化	CFTR 基因突变导致的常染色体隐性遗传病，累及气道、胰腺、肠道、汗腺
CFTR	囊性纤维化跨膜传导调节因子	上皮细胞氯离子通道；功能缺失致分泌物黏稠
F508del	F508 缺失突变	CFTR 最常见致病突变（第 508 位苯丙氨酸缺失）
homozygous	纯合子	两条染色体携带同一突变
CFTR modulator	CFTR 调节剂	纠正 CFTR 功能的小分子药物总称
corrector	校正剂	帮助突变蛋白正确折叠与转运（如 lumacaftor）
potentiator	增效剂	提高通道开放概率（如 ivacaftor）
LUMA/IVA	鲁玛卡托/依伐卡托	双联方案，商品名 Orkambi，适用 F508del 纯合子
ETI	依来卡托/替扎卡托/依伐卡托三联	商品名 Trikafta/Kaftrio，当前主流方案
sweat chloride	汗液氯离子	CFTR 功能的体内读数；>60 mmol/l 为诊断阈值
ppFEV1	一秒用力呼气容积占预计值百分比	CF 肺功能核心终点
ppFVC	用力肺活量占预计值百分比	肺功能辅助指标
BMI z-score	BMI 标准差评分	按年龄性别标准化的营养状态指标
fecal calprotectin	粪便钙卫蛋白	肠道炎症的无创标志物
neutrophil elastase (NE)	中性粒细胞弹性蛋白酶	气道炎症与肺损伤的标志物
16S rRNA	16S 核糖体 RNA 基因	细菌分类的通用标记基因
V4 region	V4 高变区	16S 测序最常用的扩增区段之一
ASV	扩增子序列变体	DADA2 输出的单碱基精度序列单元
DADA2	一款 ASV 推断软件	Illumina 扩增子去噪流程
SILVA	rRNA 参考数据库	用于 16S 序列分类注释
HILIC	亲水作用色谱	分离极性代谢物的液相色谱模式
untargeted metabolomics	非靶向代谢组学	不预设目标物、尽量全面检测的质谱策略
compositionality	组成性	相对丰度数据受总量约束带来的统计性质
CLR	中心对数比变换	处理组成性数据的标准变换
Bray–Curtis	一种 beta 多样性距离	基于丰度差异的样本间距离度量
PERMANOVA	置换多元方差分析	分解各变量对群落组成解释度的方法
MNAR / MAR	非随机缺失 / 随机缺失	缺失机制分类，决定插补策略是否合法
data descriptor	数据描述论文	以描述数据集为本体的论文类型

附录

附录 A：条目信息速查卡

项	值
slug	pediatric-cf-multiomic
官方项目名	OrkambiKIDS / DeepPheno_Luma-Iva
论文	Data Brief. 2026;69:113237
DOI	10.1016/j.dib.2026.113237
PMID / PMCID	42825108 / PMC13629212
样本	8 名 F508del 纯合子儿童
访视	9 次（0-24 月）
16S run	145（粪便 59/咽 54/痰 32）
代谢组	4 套 LC-MS
原始数据	SRA PRJNA1119982 / MassIVE MSV000094922
处理数据	GitHub RebeccaLuise/DeepPheno_Luma-Iva
归档	Zenodo 10.5281/zenodo.20837397
许可	论文 CC BY 4.0；Zenodo CC BY 4.0；GitHub 未声明

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	论文开放获取（PMC 全文）、Zenodo 有 DOI、SRA/MassIVE 均可检索；项目名 OrkambiKIDS 与仓库名 DeepPheno_Luma-Iva 不一致，检索需双关键词
A 可获取性	9	三库全部公开无门槛，无 DUA；仅 GitHub 许可证缺失略扣分
I 可互操作	6	16S 走标准 DADA2/SILVA 生态，FASTQ/mzML 通用；但四套代谢组无合并矩阵、无统一长表（long-format）总表，跨层整合需自建
M 元数据质量	7	论文 Table 1 与 Fig 1-4 完整，方法节细致（含引物、试剂、设备型号）；缺 ASV 数、代谢物数、逐访视样本数、SILVA 版本
S 可持续性	8	SRA/MassIVE/Zenodo 三重持久归档；Zenodo 有全版本 DOI；优于单靠个人 GitHub
综合评级	7.6/10（良好）	开放度与文档质量明显高于同类儿科 CF 数据；扣分集中在「规模小」与「缺合并表/缺关键计数」

附录 C：逐项证据链自证

关键数字	来源	位置
n=8、F508del 纯合子	论文摘要	PMC 全文
9 次访视、N=8/8/8/8/8/5/7/4/5	论文 Table 1	PMC 全文
基线年龄 9.50 (7.00, 10.25)	论文 Table 1	PMC 全文
汗液氯 101/75/74 mmol/l	论文 Table 1	PMC 全文
16S V4 / 515F-806R / MiSeq V3	论文 §4.5 Microbiome analysis	PMC 全文
<2000 reads 剔除	论文 §4.5	PMC 全文
HILIC + RP × 正负离子四套	论文 §4.7 Metabolomics	PMC 全文
SRA 145 run（59/54/32）	ENA filereport API（PRJNA1119982）	2026-10-17 实测
总 reads 4,606,756	ENA filereport API	2026-10-17 实测
8 个受试者前缀	ENA filereport sample_title	2026-10-17 实测
Zenodo CC BY 4.0 / 32.4 MB	Zenodo record 20837397	页面抓取
论文 CC BY 4.0	PMC 授权文本	XML <license>
DRKS00022267 / 伦理号	论文 §4.1	PMC 全文
IMMProveCF 16:10111	论文 Further reading + DRKS00023862	PMC / DRKS

附录 D：数据获取决策树

我需要什么？
├─ 只想看看数据结构
│   └─ Zenodo 20837397 下载 zip（32.4 MB）→ 解压看 data/
├─ 做二级分析（换模型/换图）
│   └─ GitHub clone → 用 data/ 处理表 → 改 .Rmd
├─ 做 16S 方法学 benchmark
│   └─ SRA PRJNA1119982 → 145 run → 自建 DADA2/QIIME2 流程
├─ 做代谢组重注释
│   └─ MassIVE MSV000094922 → 4 套 LC-MS → 自定义库匹配
└─ 做跨层整合
    └─ GitHub 处理表 + MassIVE/SRA 原始 → 用 §4.4 复合键对齐

附录 E：访视 × 数据层可得性矩阵

数据层	V1	V2	V3	V4	V5	V6	V7	V8	V9
临床与人体测量	✅	✅	✅	✅	✅	✅	✅	✅	✅
血液指标	✅	✅	✅	✅	✅	❌	✅	❌	✅
血清代谢组	✅	✅	✅	✅	✅	❌	✅	❌	✅
汗液氯	✅	✅	❌	❌	✅	❌	❌	❌	❌
粪便 16S	有样本	有样本	有样本	有样本	有样本	有样本	有样本	有样本	有样本
咽拭子 16S	有样本	有样本	有样本	有样本	有样本	有样本	有样本	有样本	有样本
痰 16S	视能否咳出	同左	同左	同左	同左	同左	同左	同左	同左
痰炎症标志物	视痰量	同左	同左	同左	同左	同左	同左	同左	同左
参与人数	8	8	8	8	8	5	7	4	5

「有样本」表示该访视存在采样，但逐访视具体份数未公开；痰的可得性以能否诱导咳出为条件。

附录 F：复现骨架（R 伪代码）

# 1) 读入
clin <- read.csv("data/clinical_metadata.csv")
asv  <- readRDS("data/asv_table.rds")
met  <- read.csv("data/metabolomics_hilic_pos.csv")

# 2) 构造复合键（§4.4）
clin$key <- paste(clin$participant, clin$visit, sep = "_")

# 3) 纵向混合模型（探索性，participant 随机效应）
library(lme4)
m <- lmer(ppFEV1 ~ visit + (1 | participant), data = clin)

# 4) 菌群 alpha/beta
library(phyloseq); library(vegan)
alpha <- estimate_richness(ps, measures = "Shannon")
beta  <- vegdist(t(otu_table(ps)), method = "bray")
adonis2(beta ~ sample_type * visit, data = samdat)

# 5) 组成性变换（差异丰度前必做）
library(microbiome)
ps_clr <- microbiome::transform(ps, "clr")

说明：以上为方法骨架，字段名以仓库实际列名为准；仓库脚本是权威实现，请优先跑仓库 .Rmd。

附录 G：坑点档案（与 §10 对照）

编号	一句话	对应章节
坑点 1	V6/V8 缺失是设计性	§2.2 / §7.3
坑点 2	145 run ≠ 145 分析样本	§2.3
坑点 3	四套代谢组不能直接拼	§2.4 / §5.3
坑点 4	IV 期 ≠ 高证据等级	§3.1
坑点 5	p 值不是疗效证据	§3.3 / §7.6
坑点 6	三生境不可合并	§4.2 / §10.1
坑点 7	三层 merge 后交集很小	§4.4
坑点 8	<2000 reads 阶段未定义	§5.2
坑点 9	without restrictions ≠ 许可证	§6.2
坑点 10	Table 1 比例分母在变	§2.5 / §7.4

附录 H：样本量与检验效能粗略提示

n=8 时，配对设计的可检出效应量（标准化均值差）大致在 d ≈ 1.1-1.2 以上（双侧 α=0.05，power=0.8 的粗略量级）。这意味着：

• 只能检出很大的个体内变化（如汗液氯从 101 降到 74，效应量足够大）；
• 中等效应（如 ppFEV1 改善 3-5 个百分点）在这个样本量下几乎不可能达到统计显著；
• 因此「未达显著」不等于「无效」，只是样本量不足。

这是解读本数据集时必须内化的背景：它不是为了检出中等效应而设计的。

附录 I：与同类 CF 多组学资源的定性对照

资源	人群	纵向	生境数	代谢组	开放度
本数据集（OrkambiKIDS）	儿童 8	24 月	3	有（血清）	全公开
IMMProveCF（Nat Commun 2025）	成人为主 35+49	有	3	无	论文开放，数据另询
HMP（rid 44）	健康成人	否	多部位	部分	公开
curatedMetagenomicData（rid 513）	混合	部分是	以粪便为主	无	公开
American Gut（rid 508）	混合	部分纵向	粪便为主	无	公开

结论：本数据集的独特性在于「儿童 + 三生境 + 代谢组 + 24 个月」四者同时具备。

附录 J：许可条款细读

层	原文	解读	建议
论文	CC BY 4.0	可自由复制、改编、商用，需署名	直接按 CC BY 引用
Zenodo	Creative Commons Attribution 4.0 International	同上；资源类型标 Software	作为处理数据的首选法律依据
GitHub	未声明 LICENSE	默认版权保留，法律上比 CC BY 更严格	商用前联系通讯作者
SRA	NCBI 开放数据条款	可下载再分析，需遵守 NCBI 政策	按 NCBI 政策引用 accession
MassIVE	开放数据条款	同上	按 MassIVE 政策引用 accession

风险提示：正文的 “without restrictions” 是作者意图表达，不是法律文本。正式商业用途建议以 Zenodo 的 CC BY 4.0 为准。

附录 K：与库内 IMMProveCF 无关性声明

IMMProveCF（Nat Commun 2025;16:10111，DRKS00023862）与本条目所描述的 OrkambiKIDS（DRKS00022267）是两项独立研究：

• 药物不同（ETI 三联 vs LUMA/IVA 双联）；
• 人群不同（35 名 pwCF + 49 健康对照 vs 8 名儿童）；
• 注册号不同；
• 论文类型不同（结果论文 vs 数据描述论文）；
• 本数据集论文的 Data Availability 明确写 “Related research article: none”。

若读者需要 ETI 对菌群影响的结论，应查阅 Nat Commun 那篇，而不是本数据集。

附录 L：检索关键词建议

目的	建议 query
找本数据集	"OrkambiKIDS" / "DeepPheno_Luma-Iva" / PRJNA1119982 / MSV000094922
找同类儿科 CF 多组学	pediatric cystic fibrosis microbiome longitudinal metabolomics
找 CFTR 调节剂对菌群的影响	CFTR modulator microbiome restructuring IMMProveCF
找 CF 肠-肺轴	cystic fibrosis gut-lung axis 16S longitudinal
找 LUMA/IVA 临床证据	lumacaftor ivacaftor TRAFFIC TRANSPORT randomised

附录 M：与库内微生物组条目的关系声明

rid	slug	关系
44	hmp	参考底座，非同一实体；本数据集可对照其体表部位定义
513	curatedmetagenomicdata	汇总层，非同一实体；可作方法学与外部队列对照
508	american-gut-project	大型队列，非同一实体；肠菌外推参照
503	mgnify	分析平台，非同一实体；可承接二级分析
1181	gmrepo-v3	关联库，非同一实体；可交叉验证候选菌属
484	metabolomics-workbench	代谢组数据中心，非同一实体；与 MassIVE 平行
379 / 389	pride / proteomexchange	质谱归档生态，非同一实体
314 / 470	chebi / hmdb	代谢物注释本体，非同一实体
230	aact	试验注册镜像，非同一实体
771	echonet-pediatric	儿科队列对照，非同一实体

附录 N：本条目写作的证据边界

本条目所有事实均来自以下一手来源，未使用任务简报中的任何未核实表述：

1. PubMed esummary（PMID 42825108）——卷期、日期、作者序、PII；
2. PMC13629212 全文 XML（经 Europe PMC REST 获取）——方法、Table 1、Limitations、Data Availability、许可；
3. MDC eDoc 仓储记录——卷期月份与关联 DOI；
4. ENA filereport API（PRJNA1119982）——145 run、生境拆分、总 reads、受试者前缀；
5. Zenodo record 20837397——版本、日期、体积、CC BY 4.0；
6. GitHub RebeccaLuise/DeepPheno_Luma-Iva 页面——仓库结构、.Rmd 清单、README 声明；
7. DRKS00023862 记录——IMMProveCF 的队列规模与药物，用于边界辨析。

明确标注为「未公开」的字段：ASV 总数、注释代谢物总数、逐访视各类样本份数、SILVA 版本号、GitHub SPDX 许可证。

---

本条目由千方病案医数集编辑部整理，最后复核 2026-10-17。所有数字均可按附录 C 的证据链回溯至一手来源。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• ckm-gut-metagenome — 共享标签：微生物组 / 代谢组学 / 队列研究 / 测序数据
• american-gut-project — 共享标签：微生物组 / 队列研究 / 测序数据
• decipher — 共享标签：儿科 / 罕见病 / 测序数据
• gmrepo-v3 — 共享标签：微生物组 / 队列研究 / 测序数据
• plasma-metabolome-wgs — 共享标签：代谢组学 / 队列研究 / 测序数据
• hmp — 共享标签：微生物组 / 测序数据
• ega — 共享标签：队列研究 / 测序数据
• mgnify — 共享标签：微生物组 / 测序数据
• curatedmetagenomicdata — 共享标签：微生物组 / 测序数据
• clingen — 共享标签：罕见病 / 测序数据

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。