对多平台 B 细胞淋巴瘤整体转录组数据集的 2,234 种协调化尝试：ComBat 的跨批次预测质量更优
2,234 attempts to harmonize a multi-platform B-cell lymphoma bulk transcriptomic dataset: ComBat is superior by cross-batch prediction quality
一句话比较 2,234 种转录组协调化方案，提出结合多类指标与跨批次测试选择方案的流程。
研究问题
数据与样本
分析流程
- 1汇集待评测方案：使用既有真实世界基准评测中的 2,234 种转录组协调化方案。
- 2整理通用评分指标：将 344 个已登记指标中经过方向统一调整的 87 个指标归入全局、局部、分布、结构和复合 5 类。
- 3补充生物学评价：加入队列内标志物相关性、标志物面板跨批次秩一致性及留一批次预测 3 类指标。
- 4筛选最佳方案：每类指标选取排名前 112 的方案，即前 5%。
- 5比较指标间一致性：用 Jaccard 指数衡量最佳方案集合的重叠，并将生物学指标间的重叠与随机预期比较。
- 6评估跨批次适用性：检查留一批次预测淋巴瘤亚型和正常 B 细胞时入选的协调化方法，并比较其与其他指标的取舍。
关键方法与工具
- Jaccard index
- 衡量最佳方案集合重叠
- leave-one-batch-out (LOBO)
- 评估跨批次分类预测
- ComBat
- 参与转录组协调化评测
- quantile normalization
- 匹配不同批次的分布
- 10_mnn
- 参与转录组协调化评测
- 12_scanorama
- 参与转录组协调化评测
设计思路
主要发现
- 分位数归一化等处理强度较高的方法虽能使不同批次具有相同分布形状，但局部和全局指标表现较差。
- 局部与复合指标所选最佳方案重叠最多，共有 71 种。
- L 与 M、M 与 N 均无共同方案；L 与 N 仅共有 1 种移除稀有批次且不进行协调化的方案，3 组重叠均显著低于随机预期。
- 跨批次预测指标 N 选出的 112 个最佳方案中，84 个属于 ComBat 家族。
- 跨批次秩一致性指标 M 仅选出 10_mnn 和 12_scanorama，但按相关性评价，这些方法完全破坏了生物学信息。
可借鉴之处
- 做多平台转录组整合时，可借鉴本文在同一批候选方案上同时评估分布、局部结构和生物学指标的做法，避免仅凭分布匹配选方案。
- 可将每类指标的前 5% 方案转成集合，再用 Jaccard 指数比较一致性，直观看出评价目标之间的权衡。
- 若课题目标是跨批次分类，可借鉴留一批次预测设计，并同时检查标志物相关性，避免预测评价与生物学保留评价相互替代。
数据与代码
局限
- 评测对象限于所用的 B 细胞淋巴瘤转录组基准，结果能否推广至其他疾病或数据类型尚不能由本研究确定。
摘要（中文翻译）
背景：跨平台转录组协调化基准评测各自依赖单一的成功指标：与参考表达谱的相关性、分类器准确率，或从单细胞整合中引入的复合指标。我们未发现已发表研究在同一组协调化方案上计算多个相互正交的指标类别，并衡量这些指标所选最佳方案之间的重叠。
方法：我们使用了近期一项真实世界基准评测中的 2,234 种方案，涉及 7,174 份 B 细胞淋巴瘤转录组。这些方案组合了 31 种协调化方法、14 种批次去除策略、3 种插补方式和 2 种去除后设置。我们将该基准评测 344 个已登记评分指标中经过方向统一调整的 87 个指标归入 5 类（全局、局部、分布、结构和复合），并增加了 3 类面向生物学的指标：队列内标志物相关性（L）、标志物面板的跨批次秩一致性（M），以及采用留一批次法（LOBO）预测淋巴瘤亚型和正常 B 细胞（N）。每类指标均选出排名前 112 的方案（5%），并用 Jaccard 指数衡量重叠程度。
结果：分位数归一化等处理强度较高的协调化方法将不同批次匹配为相同的分布形状，但在局部和全局指标上表现较差。局部和复合指标所选最佳方案的重叠最多（共有 71 种）。L 与 M 类、M 与 N 类之间均无共同方案，而 L 与 N 类共有 1 种方案，即在移除稀有批次的策略下不进行协调化；这 3 组重叠均显著低于随机预期。N 类选出的 112 个方案中，84 个属于 ComBat 家族。M 类仅选出 10_mnn 和 12_scanorama，而按相关性评估，这些方法完全破坏了生物学信息。
结论：最佳转录组协调化方案高度依赖所用的质量指标，各指标类别之间存在权衡。我们提供了一个 6 步流程，涵盖指标类别、其阈值以及用于选择最佳方案的跨批次测试。
英文原文摘要
Background:: Cross-platform transcriptomic harmonization benchmarks rely on individual success metric each: correlation with a reference profile, classifier accuracy, or a composite imported from single-cell integration. We found no published study that computes multiple orthogonal metric classes over one set of harmonization approaches and measures overlapping between the best approaches by these metrics. Methods. We used the 2,234 approaches of the recent real-world benchmark on 7,174 B-cell lymphoma transcriptomes. They combine 31 harmonization methods, 14 batch-removal strategies, three imputations and two post-removal settings. We assigned its 87 polarity-adjusted scoring metrics, out of 344 registered, to five classes (global, local, distributional, structural and composite) and added three biology-facing classes: within-cohort marker correlation (L), cross-batch rank agreement of a marker panel (M), and leave-one-batch-out (LOBO) prediction of lymphoma subtypes and normal B cells (N). Each class resulted in top 112 approaches (5%), and we measured overlap by the Jaccard index. Results. Harmonization methods of high harshness such as quantile normalization matched different batches to the same shape of distribution but were inferior by local and global metrics. Local and composite metrics resulted in the largest overlap of best approaches (71 shared). Classes L and M, M and N shared no approach, whereas L and N shared one approach without harmonization under the rare-batches-removed strategy, and all three overlaps were significantly below the random expectation. Class N resulted in the ComBat family in 84 of its 112 places. Class M elected only 10_mnn and 12_scanorama, methods that completely corrupted biology by correlation. Conclusions. Best transcriptomic harmonization approach is highly contingent on the quality metrics used, with metric classes trade-offing between each other. We provide a six-step recipe for metric classes, their thresholds and the cross-batch tests for selecting the best approaches.
摘要来自 Europe PMC。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。