外觀
檢測確效 (Assay Validation & Verification)
臨床或研究用的 NGS 檢測,在報告結果前要證明它「量得準、量得穩、知道自己的極限」。這包括濕實驗與生資流程兩部分;改動流程(換比對器、升級版本)也要重新評估。
Validation vs Verification
| 確效 (Validation) | 驗證 (Verification) | |
|---|---|---|
| 問題 | 這個方法適合預期用途嗎? | 這個已確效的方法在我的實驗室表現如預期嗎? |
| 對象 | 實驗室自行開發的檢測 (LDT)、修改過的方法 | 已核准的商業套組(照原廠方式使用) |
| 範圍 | 完整:準確度、精密度、LOD、可報告範圍… | 精簡:確認原廠宣稱的關鍵效能 |
評估指標
| 指標 | 定義 | 怎麼做 |
|---|---|---|
| 敏感度 (sensitivity / recall) | TP / (TP + FN):真實變異被偵測到的比例 | 對照參考標準品的已知變異 |
| 陽性預測值 (PPV / precision) | TP / (TP + FP):報出的變異是真的比例 | 同上;NGS 常用 PPV 取代特異度 |
| 特異度 (specificity) | TN / (TN + FP) | 「真陰性」是整個基因組中數以百萬計的非變異位置,數值永遠接近 100%,意義有限 |
| 偵測極限 (LoD) | 能穩定偵測(如 ≥ 95%)的最低 VAF 或最低起始量 | 稀釋系列(標準品混合不同比例);見 LoB / LoD / LoQ |
| 精密度 | 重複性(同批)與再現性(跨批、跨人、跨儀器) | 同樣本多次重複 |
| 可報告範圍 | 哪些區域、哪些變異類型可以報告 | 列出低覆蓋區、不支援的變異類型(大型 indel、CNV) |
| 干擾 | 樣本品質(FFPE、溶血、低腫瘤比例)的影響 | 刻意加入干擾條件測試 |
依變異類型(SNV、小 indel、CNV、融合)分開計算;整體數字常被大量容易的 SNV 拉高。統計上這是分類器評估的問題,見 混淆矩陣指標;小樣本下的不確定性見 指標的不確定性。
LoB / LoD / LoQ:偵測與定量極限
三個極限回答不同問題,依 CLSI EP17 的定義由低到高:LoB ≤ LoD ≤ LoQ。
| 指標 | 問題 | 定義(參數法) | NGS 中的意思 |
|---|---|---|---|
| 空白極限 (LoB, limit of blank) | 沒有目標物時,量測值最高會到多少? | LoB = meanblank + 1.645 × SDblank(空白樣本的第 95 百分位) | 野生型樣本中,該位點背景錯誤造成的 VAF / 突變 reads 上限 |
| 偵測極限 (LoD, limit of detection) | 多低的量能和空白可靠地區分? | LoD = LoB + 1.645 × SDlow(低濃度樣本) | 95% 重複中都能叫到的最低 VAF;實務常用稀釋系列 + probit 回歸取 95% 偵測率 |
| 定量極限 (LoQ, limit of quantitation) | 多低的量還能準確定量? | 符合預設準確度目標(如 CV ≤ 20% 或總誤差上限)的最低濃度;LoQ ≥ LoD | VAF 數值本身可報告、可用於追蹤變化的最低值 |

LoB 控制偽陽性(5% 空白樣本超過它),LoD 再往上推到低濃度樣本也只有 5% 低於 LoB(偽陰性)。所以 LoD 不是「偶爾能看到」的最低值,而是兩種錯誤率都控制住的最低值。
| 注意 | 說明 |
|---|---|
| 背景依位點而異 | NGS 的錯誤率隨序列情境(homopolymer、C>T 去胺)不同,常需逐位點或分類估計 LoB |
| 極限受分子數限制 | 低起始量時 LoD 由可取得的分子數決定,不只是定序深度,見 UMI 與一致序列 |
| 基質要接近臨床樣本 | 用乾淨細胞株 DNA 估出的極限偏樂觀,見 參考標準品 |
方法比較:Bland-Altman 圖
新方法與參考方法(如 NGS 與 ddPCR 的 VAF、兩套 panel 的 TMB)量同一批樣本時,要問的是「兩者一致嗎」,而不是「相關嗎」。相關係數只說明兩者一起變大變小;即使有固定偏差或比例偏差,r 仍可接近 1。
| 元素 | 計算 | 解讀 |
|---|---|---|
| x 軸 | 兩方法的平均 | 量測值大小 |
| y 軸 | 兩方法的差(新 − 參考) | 每個樣本的不一致 |
| 偏差 (bias) | 差值的平均 | 系統性高估 / 低估 |
| 一致性界限 (95% limits of agreement, LoA) | bias ± 1.96 × SD差值 | 95% 樣本的差值會落在這個範圍;是否可接受由臨床需求事先決定 |

模擬資料中 r = 0.98,但 Bland-Altman 圖顯示 NGS 平均高估約 1 個百分點,個別樣本差異可達 −0.8 到 +2.8 個百分點。
| 看到的型態 | 意義 / 處理 |
|---|---|
| 點的散布隨 x 變大 | 誤差與量值成比例:改畫百分比差或取 log 後再算 |
| 點呈斜線趨勢 | 比例偏差:用 Deming 或 Passing-Bablok 迴歸估斜率 |
| 少數離群點 | 逐一檢查樣本(品質、低深度、接近 LoD) |
統計上的相關與一致性差別見 雙變數描述統計。
筆記
| 筆記 | 內容 |
|---|---|
| 參考標準品 | 商業標準品、Genome in a Bottle (GIAB)、比對工具 hap.py |
指引
| 指引 | 適用 |
|---|---|
| AMP / CAP:NGS 腫瘤 panel 確效指引(Jennings et al., J Mol Diagn 2017) | 體細胞變異 panel:錯誤導向的設計、最少樣本數、LOD |
| ACMG 臨床 NGS 標準(Rehm et al., Genet Med 2013) | germline 檢測 |
| AMP / CAP 生資流程確效建議(Roy et al., J Mol Diagn 2018) | 生資 pipeline 的確效與版本控管 |
NGS 的「特異度」很難定義(真陰性位置的數量取決於怎麼數),所以確效報告多用敏感度與 PPV。這個問題的討論見 Can you determine the specificity of an NGS assay?(網站目前無法存取)。