血浆cfRNA测序与差异丰度分析
鉴定TB阳性与阴性个体间差异丰富的基因和通路,评估cfRNA是否包含TB相关信息。
对251例血浆样本进行cfRNA测序,使用DESeq2进行差异丰度分析,并进行通路富集分析。
Circulating cell-free RNA in blood as a host response biomarker for detection of tuberculosis.
多国队列血浆cfRNA测序,机器学习建模,独立验证集评估,并与全血RNA和蛋白标志物比较。
乌干达、越南、菲律宾门诊咳嗽≥2周成人血浆样本 结核阳性与阴性个体血浆cfRNA测序数据 匹配的全血RNA样本(Cohort 3)
样本纳入标准:TB阳性需微生物学确诊,TB阴性需至少一次Xpert Ultra阴性且两次培养阴性并随访2-3个月无TB治疗改善 样本量:总251例血浆样本,其中142例TB阳性,37例HIV阳性 机器学习模型训练/测试集划分:发现队列(Cohort 1和2)按70%/30%划分,验证集为Cohort 3(n=60) 6基因特征分类阈值:训练集最优Youden阈值0.498 性能评估指标:ROC-AUC、敏感性、特异性、准确性
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
鉴定TB阳性与阴性个体间差异丰富的基因和通路,评估cfRNA是否包含TB相关信息。
对251例血浆样本进行cfRNA测序,使用DESeq2进行差异丰度分析,并进行通路富集分析。
评估多种机器学习算法并筛选出具有最佳 discriminatory power 的基因特征。
将发现队列(Cohort 1和2)按70%/30%分为训练集和测试集,使用5折交叉验证和网格搜索训练15种机器学习模型,并采用贪婪前向搜索算法筛选基因。
验证6基因特征在独立队列中的诊断性能,并评估其与地理区域、HIV状态等因素的关联。
在Cohort 3验证集中计算ROC-AUC、敏感性和特异性,并按国家、HIV状态分层分析。
比较cfRNA与全血RNA的来源差异和诊断性能,并评估GBP5作为单一标志物的价值。
对Cohort 3匹配的全血样本进行RNA测序,进行细胞类型解卷积和差异表达分析,比较cfRNA与全血RNA的重叠基因,并比较GBP5 cfRNA与全血GBP5蛋白/RNA的诊断性能。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 血浆采集 | Streck游离DNA采血管 | Streck | 230257 |
| K2EDTA采血管 | BD Diagnostics | 366643 | |
| 全血RNA采集 | PAXgene血液RNA采集管 | Qiagen | 762165 |
| cfRNA提取 | Norgen血浆/血清循环和外泌体RNA纯化迷你试剂盒 | Norgen | 51000 |
| DNase Turbo缓冲液 | Invitrogen | AM2238 | |
| DNase Turbo | Invitrogen | AM2238 | |
| Baseline Zero DNase | Lucigen-Epicenter | DB0715K | |
| Zymo RNA清洁浓缩试剂盒 | Zymo | R1015 | |
| 文库构建 | Takara SMARTer链特异性总RNA测序试剂盒v3-皮克级哺乳动物 | Takara | 634485 |
| SMARTer RNA独特双索引试剂盒 | Takara | 634451 | |
| 文库定量 | Qubit 3.0荧光计 | Invitrogen | Q33216 |
| 双链DNA高灵敏度检测试剂盒 | Invitrogen | Q32854 | |
| 文库质控 | Agilent片段分析仪5200 | Agilent | M5310AA |
| 高灵敏度NGS片段试剂盒 | Agilent | DNF-474-0500 | |
| 全血RNA提取 | Quick-RNA全血试剂盒 | Zymo | R1201 |
| NEBNext球蛋白和rRNA去除试剂盒(人/小鼠/大鼠) | NEB | E7750X | |
| NEBNext Ultra II定向RNA文库构建试剂盒 | NEB | E7760 and E7765 |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 样本采集与纳入标准 | TB阳性定义(Xpert Ultra阳性或培养阳性)、TB阴性定义(至少一次Xpert Ultra阴性且两次培养阴性并随访2-3个月无TB治疗改善)、样本量(251例)、HIV状态比例(37例阳性) 阅读提示:Results 'Plasma cell-free RNA signatures of tuberculosis'小节及Table 1 |
| cfRNA测序与数据处理 | 测序平台(Illumina NextSeq 500/550和NextSeq 2000)、读长(150bp和100bp)、质量过滤标准(intron/exon ratio>4、总counts<90,000、rRNA污染等>4SD)、参考基因组(GRCh38) 阅读提示:Methods 'Plasma cfRNA isolation and library preparation'和'Bioinformatic processing and sample quality filtering'小节 |
| 机器学习模型训练与验证 | 训练集/测试集划分比例(70%/30%)、验证集(Cohort 3,n=60)、特征筛选阈值(base mean>100,调整p<0.05)、交叉验证折数(5折)、分类阈值(0.498) 阅读提示:Methods 'Machine learning and model training'小节及Fig. 1E |
| 6基因特征性能评估 | 性能指标(ROC-AUC、敏感性、特异性、准确性)、置信区间(95%CI)、按国家分层分析、按HIV状态分层分析 阅读提示:Results '6-gene biomarker panel surpasses guidelines for a non-sputum-based triage test'小节及Fig. 2B-F |
| cfRNA与全血RNA比较 | 匹配全血样本数量(60例)、全血RNA测序平台(Illumina NextSeq 2000)、细胞类型解卷积方法(BayesPrism)和参考数据集(Tabula Sapiens) 阅读提示:Methods 'Cell type deconvolution'小节及Results 'Comparison of plasma cfRNA biomarkers to whole blood RNA and protein studies'小节 |