IVD研发-算法专题（一）：如何通过panel的TMB推测出WES水平的TMB？

为何需要把panel的TMB转换成WES水平的TMB，比较实用的一点是目前TMB国家参考品还是NCCL TMB室间质评都要求各厂家先把panel的TMB的转换成WES TMB，因为参考的答案都是WES TMB。因此，在此不再强调其重要性和意义。小编总结了2个可以参考的方法，当然各位可以根据自己的数据情况，制定更好的方案。

Panel和WES的一致性评估采用简单线性回归。

首先，获取WES TMB(y)和panel TMB (x) 之间的线性回归曲线y=a+bx和决定系数，该步由R函数lm(http://www.endmemo.com/program/R/lm.php) 实现：

lm(y~x, data=your_data)。

在选定的显著性水平（参考品设定为0.1）下，该线性回归曲线的预测区间计算可由R函数predict实现：

predict(your_linear_model,interval=’predict’,level=1-alpha)。

若有另外的 panel TMB 数值需计算预测区间，可同样由R 函数predict实现：

predict(your_linear_model,newdata=your_panel_tmb,interval=’predict’, level=1-alpha)。

Friends of Cancer Research（FOCR）的precisionFDA组织的TMB lab的Phase2阶段（https://precision.fda.gov/challenges/18）完成的软件tmbLab，此软件只需要用户提供构建模型用的数据和想预测WES TMB的新的Panel TMB数据就可以计算出对应的WES TMB和指定的预测区间。

2.1下载地址

https://brb.nci.nih.gov/tmbLab/

图1：红框处为适用于linux系统的软件安装包

2.2安装

以linux系统上安装为例，选择图1中红框里的安装包进行下载后，使用R语言进行源码安装，脚本如下所示：

install.packages("tmbLab_1.0.0.tar.gz", repos = NULL, type="source")

2.3 软件使用

2.3.1 输入文件Model.WES.Panel.TMB.txt的准备

按照下表1准备构建gls线性回归模型使用的输入文件，Sample.ID为样本编号，Uniform.WES.TMB为该样本的WES TMB，Panel.1为该样本的Panel TMB。

表1：构建gls线性回归模型使用的输入文件格式要求

2.3.2 输入文件NewSample.Panel.TMB.txt的准备

按照下表2准备新的Panel TMB的输入文件，Sample.ID为样本编号，Panel.TMB为该样本的 Panel TMB。

2.3.3 使用下面函数进行转换

说明：Calib.Interval参数为用户可以指定的预测区间，默认值为95%的预测区间，如果想计算90%，则设置为90即可。

2.4软件算法原理

我们检测到的TMB数值，其数值越大数据就越离散，即变异会越大。为了防止我们的模型过拟合，tmbLab软件采用gls线性回归模型，即线性回归系数的广义最小二乘(gls)估计。各TMB数值对模型的贡献取决于产生该数据的分布的变异，变异越大其权重就越小，因此此模型解决了过拟合的问题，从而增强其预测的准确性。

在使用上述2种方法时，小编在此特别强调我们计算的是预测区间，不是置信区间。置信区间(confidence interval estimate)是利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的估计区间。预测区间(prediction interval estimate)是利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计区间。预测区间的范围总是要比置信区间的范围要大的。