候选表经过结合筛选后还有一行,这是否意味着这一行的预测分数已经达到要求?未必。本次安装 pVACtools 7.1.6 后,我们给原生筛选组件输入一张原创教学表,发现所有相关分数都写成缺失标记的记录,仍然留在输出中。这个结果提醒我们,“没有被某道筛选排除”和“已经具备支持证据”需要分别判断。
本文实际运行的是 pVACseq 的结合筛选命令,比较默认策略、探索策略,以及增加倍数变化要求后的输出。没有进行变异注释、肽段生成、HLA 推断或结合预测,也没有调用在线预测服务。表中分数全部由我们人为指定,目的是检验筛选逻辑,不能把它们当成模型对真实肽段的预测。

先把候选产生与候选筛选分开
pVACtools 包含多类新抗原分析工具,完整工作流需要把变异、转录本、肽段、HLA 和预测结果联系起来。筛选只是其中的一层。即使筛选组件运行成功,也不能反推上游每一步都正确,更不能证明最终对象具有实验可验证的免疫原性。每一层都应保留输入、处理规则和能够支持的结论。
例如一个变异可能对应多个转录本、多个肽长和多个结合位置,再分别对应不同 HLA。因此报告中的多行不一定代表同样多的独立变异。后续若把候选行数当作变异数量,或者把一个变异对应的多条记录当作独立重复,统计含义就会发生变化。筛选前应明确一行到底是什么对象。
官方筛选说明区分结合、覆盖、转录本和最高分相关的过滤。它们检查不同证据,不能互相替代。本文只验证结合筛选这一组件,读者可以把这一小实验用于理解输出,但不能据此跳过表达支持、变异可靠性和其他项目所需的核查。
把安装版本与文档版本都记下来
本次使用独立的 Python 3.10 环境安装 pVACtools 7.1.6,并保存依赖清单。安装时依赖解析曾多次回溯,最终完成安装并通过原生命令帮助检查。这个过程提示我们,固定主包版本之外,还应保存实际依赖版本,避免以后只知道软件名称,却无法重建当时的环境。
在线稳定文档当时展示的是前一个补丁版本,因此关键行为还核对了安装包中的原生实现与实际输出。尤其涉及缺失值和阈值边界时,不应只凭一句帮助文字推断结果。本文提到的行为限定于本次安装版本与实际命令,不把它当作所有历史或未来版本都不变的承诺。
python -m pip install pvactools==7.1.6
pvacseq binding_filter -h
以上安装命令应在适配的独立环境中执行。本次没有下载额外预测参考或调用预测模型,安装完成也不等于完整分析所需的所有外部资源都已准备好。若以后运行全流程,需要根据实际选择的预测器继续检查依赖、许可和数据来源,不能由一个筛选测试推断所有预测步骤都可用。
原创八行输入怎样覆盖关键情况
教学表使用同一个 HLA 标签,包含亲和力数值、三类百分位字段,以及一个倍数变化字段。我们保留原生组件实际读取的列名,给每一行设置不同组合。这里的百分位来自人为赋值,没有执行任何打分,也没有提供真实肽序列,因此不能由某行数值讨论其生物学优劣。
第一类记录全部低于阈值,第二类只在亲和力字段超过阈值,第三类只有亲和力较低而百分位较高,第四类全部超过阈值。其余记录分别用于检查全部缺失、部分缺失、恰好等于边界,以及倍数变化不足。这样可以把策略差异和缺失值处理单独观察,而不受上游预测波动干扰。
| 记录与人为条件 | 默认策略 | 探索策略 |
|---|---|---|
| A,所有四类数值均达标 | 保留 | 保留 |
| B,亲和力 800,其余百分位均 0.5 | 排除 | 保留 |
| C,亲和力 100,其余百分位均 4 | 排除 | 保留 |
| D,亲和力 800,其余百分位均 4 | 排除 | 排除 |
| E,相关数值全部 NA | 保留 | 保留 |
| F,亲和力 800、结合百分位 4,另两项 NA | 排除 | 保留 |
| G,亲和力 500,三个百分位均 2 | 保留 | 保留 |
| H,数值达标,但倍数变化 0.5 | 保留 | 保留 |
本次默认亲和力阈值为五百,三类百分位阈值分别为二。表格中的“达标”只是对本次数值与阈值关系的描述,不代表合适的临床或实验标准。真实项目应根据问题制定筛选方案,并在方法中记录采用的字段和规则,不能把默认设置当作普遍有效的科学界限。
两种策略的区别不只是名字不同
默认策略要求相关数值条件没有触发排除,因此某个实际数值超过阈值,就可能导致该行被过滤。探索策略放宽了组合要求,在本次版本中只有相关数值检查全部触发失败时才排除。于是只有亲和力较好的记录和只有百分位较好的记录,都可能出现在探索结果中。
这个差别可以用来组织候选复核,但不能把探索策略直接理解成“更准确”。它保留了更多需要进一步判断的对象,也可能带来更多信息不足的记录。采用哪一种策略,应先明确下一步准备如何核验候选,以及能接受多大的候选集合,而不是以保留数量越多越好作为目标。
本次两个策略输出的集合关系可以直接检查。默认策略保留四行,探索策略保留七行,新增的是三种未同时满足全部数值要求的情形。相比只比较行数,更有价值的是列出新增行各自为什么进入结果。这样才能判断它们补充了什么证据,也能发现其中哪些只是由于缺失状态被保留下来。
全部缺失为什么没有自动消失
在本次安装版本的原生实现中,相关字段为缺失标记时,不会为该字段设置数值超阈值的失败标志。全部字段缺失的记录因而可以越过这一筛选。这里的实现行为说明过滤器没有证据排除它,并不意味着它具备了低亲和力数值或良好百分位的正向证据。
部分缺失与宽松组合还会产生更隐蔽的情况。教学记录 F 的两个已知数值都不符合本次阈值,但另外两项缺失。在探索策略下,该行依然保留。若只读取最后输出而不检查原始字段,就可能把它描述为“至少一个预测通过”,而这并不是这一行实际拥有的数值证据。
因此在正式交付中,可以单独给每条候选标记证据完整性,把有实际数值支持的保留记录与因缺失规则而未被排除的记录分开。这个步骤应保留原值并说明规则,不宜直接用一个漂亮的零分替换缺失。缺失的原因也值得回查,可能涉及没有运行某类预测、输出不完整或字段转换问题。
如果项目明确要求若干关键字段必须有值,应在上游检查或另一个清楚记录的步骤中实现,而不能默认为当前结合筛选已经做过。复核时应检查实际安装版本是否提供适用选项,避免照抄旧教程中已经变化的参数。本文没有为这次版本添加一个不存在的排除缺失选项。
恰好等于阈值的记录要用实际结果判断
记录 G 的亲和力值恰好为五百,三个百分位恰好为二,本次两种策略都保留了它。安装版本中的比较使用超过阈值时排除,因此等于边界没有触发失败。这一结论来自原生执行及代码核对,并不是只根据帮助文字里的“低于”二字推断出来的。
真实预测结果还可能涉及显示舍入。表格显示五百,并不一定代表内部原始数值恰好等于五百。如果在不同格式之间反复导出,数值精度变化也可能改变边界处理。应保留原始报告,明确筛选使用哪个文件和精度,不能为了让结果一致而手工把临界值改成自己想要的一侧。
阈值敏感性可以通过预先设定的相邻条件比较来审阅,但不应在看过结论后不断寻找最有利的阈值。比较时要报告候选变化来自哪些记录,特别是缺失和临界值记录。一个候选只在某个很窄的边界下入选,与在多种合理条件下持续保留,具有不同的稳健性含义。
倍数变化检查仍然不能替代绝对证据
第三次运行增加最低倍数变化为一的条件。记录 H 的其他数值虽然符合阈值,但倍数变化为零点五,因此这次被排除。倍数关系与绝对数值回答不同问题,前者涉及相对比较,后者涉及所选阈值下的预测强弱。不能只保留其中一个,就声称另一种证据也已经满足。
全缺失记录 E 在第三次运行中仍然存在。这再次说明增加一个条件并不一定消除所有信息不足的对象。如果把未观测的倍数变化当作已经证实的改善,就会超出输出支持范围。真实报告应同时保留突变与对应参考对象的数值、计算约定及缺失原因,而不只留下最终倍数。
| 原生命令条件 | 实际保留编号 | 能验证的内容 |
|---|---|---|
| 默认策略 | A、E、G、H | 当前数值组合与缺失规则 |
| 探索策略 | A、B、C、E、F、G、H | 放宽组合后的候选变化 |
| 默认策略加倍数变化至少 1 | A、E、G | H 被排除,E 仍保留 |
这三次原生调用均正常结束,输出和日志保存在附件对应的复跑流程中。我们也核对了该版本的筛选实现,把多类百分位、缺失标记和边界行为与实际结果逐项对应。不同版本若改变实现,应重新验证,不能只更新文章里的版本号。
从小表练习走向真正的结果审阅
附件脚本生成八行教学表,再依次调用已安装的原生筛选命令。它不重写筛选算法,而是保存原生命令的输出与状态。执行前确认所指定命令属于正确环境,输出目录尚不存在。下面展示驱动调用方式,路径需要换成实际安装位置。
python run.py --executable /path/to/pvac-env/bin/pvacseq \
--work pvac-filter-demo
本次归档还遇到一个工程细节,同一 Python 库目录通过两个路径别名出现,初版记录脚本误以为找到了两份实现而停止。原生筛选已经完成,问题发生在后续源码摘要检查。修正路径去重后,在新目录重新运行并完整记录三次结果。定位时区分分析程序和外围记录脚本,能够避免把归档错误误判成生物信息学算法失败。
实际项目中,建议把候选筛选写成可追溯的集合变化,记录每一步输入数量、输出数量、缺失数量和新增排除原因。再把候选映射回变异、转录本和实验对象,检查重复展开与证据完整性。这样的交付比只给一张“通过筛选”的列表更能帮助读者决定下一步需要补什么证据。
pVACtools 的优势在于把多个分析阶段和筛选规则组织在同一套工具中,便于系统处理与追溯。它仍然依赖上游数据质量、预测方法和使用者对阈值的定义。本文最重要的实跑经验是,把保留状态、实际数值达标和证据完整三个概念分别保存,不让一个最终名单替代所有科学判断。
下载五篇复跑与原创审阅练习包(ZIP)。附件按工具分别提供驱动脚本、安装或运行说明与实际核验摘要,明确区分原生分析、原生筛选组件和自编读表练习,便于逐项核对本文结果。
当筛选规则与证据检查已经确定、准备扩展到更多样本和预测组合时,可以整理软件版本、输入规模及拟运行模块,向云生信咨询生物分析服务器与环境支持,按实际分析范围安排环境。
