nCounter基因表达数据的标准化改变了肾脏移植中的分子诊断方法

《ASN Publications》：Normalization of nCounter Gene Expression Data Alters Molecular Diagnostics in Kidney Transplantation

本研究评估了10种归一化方法对B-HOT基因面板诊断肾移植排斥的影响，发现复杂方法如RCRNorm和RUVSeq性能较差，而简单方法（如nSolver）效果更优。

　　```section>

摘要 通俗语言总结

---

背景：

2022年班夫分类标准推荐使用班夫人类器官移植（B-HOT）共识基因组进行移植内基因表达分析，以用于排斥反应的诊断。然而，由于缺乏标准化的分析流程（包括数据标准化），这一方法的临床应用受到限制，其对诊断性能的影响尚未确定。

方法：

我们在来自欧洲和北美的9个中心的868份肾脏移植物活检样本中评估了10种数据标准化方法。这些样本均经过班夫分级，并使用nCounter进行了B-HOT基因表达分析，包括一个衍生队列（n=441）、一个内部验证队列（n=186）和一个外部验证队列（n=241）。每种方法都通过其对以下方面的影响进行了评估：(i) 基因计数稳定性；(ii) 与RNA-seq数据的差异表达及跨平台一致性；(iii) 抗体介导的排斥反应（AMR）和T细胞介导的排斥反应（TCMR）预测模型的区分能力和校准效果。

结果：

大多数方法提高了基因计数的稳定性，并在与RNA-seq数据的一致性方面表现良好。它们产生的差异表达特征也与RNA-seq检测到的结果一致，但RUVSeq和RCRNorm除外，这两种方法检测到的差异表达基因较少，且一致性较低。在整体验证队列（n=427）中，基于nSolver的方法（nSolver、nanostringr、NanoStringDiff、MetaNorm和RCRNormFast）的诊断性能始终较高（AMR的AUROC为0.88–0.91；AUPRC为0.86–0.89；TCMR的AUROC为0.90–0.92；AUPRC为0.78–0.83）。使用RCRNorm时，诊断性能下降（AMR的AUROC/AUPRC分别为0.55/0.41；TCMR的AUROC/AUPRC分别为0.53/0.18）；而使用RUVSeq时，TCMR的诊断性能也有所下降（AUROC为0.84–0.85；AUPRC为0.64–0.65）。除了RCRNorm以及在RUVSeq处理后的TCMR模型外，大多数方法的校准效果令人满意。

结论：

数据标准化方法的选择显著影响了基因表达谱和诊断分类器的性能。包括基于nSolver的方法在内的大多数方法在区分AMR和TCMR方面表现良好。复杂的算法（如RCRNorm和RUVSeq，尤其是用于TCMR的算法）降低了诊断性能，而较简单的方法在基于B-HOT的分子诊断中始终表现更优。

通俗语言总结：本研究测试了10种不同的数据标准化方法对班夫人类器官移植（B-HOT）基因组在诊断肾脏移植排斥反应中的性能影响。研究人员使用来自9个中心的868份经过班夫分级的肾脏移植物活检样本（这些样本均在nCounter上进行了基因表达分析），比较了基因计数的稳定性、与RNA-seq数据的一致性以及抗体介导的排斥反应（AMR）和T细胞介导的排斥反应（TCMR）模型的准确性。包括基于nSolver的方法（nSolver、nanostringr、NanoStringDiff、MetaNorm和RCRNormFast）在内的大多数方法均表现出良好的诊断性能（AMR的AUROC为0.88–0.91；TCMR的AUROC为0.90–0.92）。较为复杂的算法（尤其是RCRNorm和RUVSeq，尤其是用于TCMR的算法）降低了诊断的准确性和校准效果，表明在基于B-HOT的诊断中，较简单的方法更为可靠。

```