HLA–KIR Typisierung: Untersuchung der Genetik natürlicher Killerzellen in der Transplantation und der Krankheitsforschung

Meta-AbsichtEin praktischer Leitfaden zur Auswahl der KIR-Genotypisierungsauflösung, zur Kombination von KIR-Ergebnissen mit HLA-Ligandengruppen und zur Interpretation von Transplantations- und Krankheitsassoziationen innerhalb reproduzierbarer Evidenzgrenzen.

Ein Bericht, der "KIR typisiert" sagt, kann vier sehr unterschiedliche Ergebnisse beschreiben: das Vorhandensein oder Fehlen von Genen, die Genkopienanzahl, Allel-Calls auf Ebene der Allele oder phasierte Multi-Locus-Haplotypen. Diese Ergebnisse sind nicht austauschbar. Eine Studie kann daher einen technisch erfolgreichen Test verwenden und dennoch Beweise liefern, die für die formulierte biologische Fragestellung zu grob sind.

HLA–KIR-Typisierung fügt eine weitere Ebene hinzu. KIR-Gene befinden sich im Leukozytenrezeptorkomplex auf Chromosom 19, während ihre Haupt-HLA-Klasse-I-Liganden auf Chromosom 6 kodiert sind. Die beiden Systeme müssen separat genotypisiert und dann durch ein explizites Liganden-Mapping- und Analysemodell zusammengeführt werden. Aus diesem Grund ist eine kombinierte KIR-Genotypisierung und HLA-Typisierung Das Projekt sollte mit der beabsichtigten analytischen Variable beginnen, nicht einfach mit einem Plattformnamen.

Dieser Leitfaden folgt einer auf Lösung basierenden Kette:

Forschungsfrage → KIR-Ausgabestufe → Assay-Design → mehrdeutigkeitsbewusste Auswertung → HLA-Ligandenkartierung → vordefiniertes Interaktionsmodell → qualifizierte Evidenz

Definieren Sie das KIR-Ergebnis, bevor Sie den Test auswählen.

Die erste Spezifikation sollte angeben, was die endgültige KIR-Variable darstellen muss. Die Typisierung von Präsenz/Abwesenheit fragt, ob ein Zielgen nachgewiesen wurde. Die Typisierung der Kopienzahl fragt, wie viele genomische Kopien unterstützt werden. Die Allel-Typisierung unterscheidet Sequenzvarianten innerhalb eines Gens. Die Haplotype-Auflösung fragt, welche Gene und Allele zusammen auf demselben Chromosom vorkommen. Jeder Schritt fügt Informationen hinzu, die nicht zuverlässig aus der vorhergehenden Ebene allein rekonstruiert werden können.

Warum die KIR-Genanzahlen scheinbar nicht übereinstimmen

Veröffentlichte Methoden und Service-Panels zählen die KIR-Familie nicht immer auf die gleiche Weise. Ein Laborpanel kann 14 KIR-Gene plus zwei Pseudogene beschreiben. IPD-KIR organisiert die Familie als 15 Genloci, einschließlich zwei Pseudogenloci, während einige Übersichtsarbeiten mehr benannte Gene auflisten, wenn eng verwandte Formen wie KIR2DL5A/KIR2DL5B oder KIR3DL1/KIR3DS1 separat aufgeführt werden. Dies ist ein Problem der Zählkonvention und nicht unbedingt ein biologischer Dissens.

Ein verteidigungsfähiges Projekt listet daher jedes gemeldete Ziel auf, anstatt sich auf eine Gesamtzahl zu verlassen. Das Analyseprotokoll sollte zeigen, ob gepaarte oder paraloge Namen als ein Locus, separate Ziele, Allel-Linien oder ungelöste Gruppen behandelt werden. Dieser kleine Dokumentationsschritt verhindert scheinbare Diskrepanzen, wenn Ergebnisse über Methoden oder Datenbanken hinweg verglichen werden.

A/B-Klassifikation ist eine Zusammenfassung, kein vollständiger Haplotyp.

KIR-Haplotypen werden üblicherweise in die Gruppen A oder B entsprechend ihrem Geninhalt eingeteilt. Gruppe A hat eine relativ konservierte Organisation und überwiegend inhibitorischen Inhalt, während Gruppe B variabler ist und unterschiedliche Kombinationen von aktivierenden und inhibitorischen Genen umfasst. Vier Rahmen-Gene—KIR3DL3, KIR3DP1, KIR2DL4 und KIR3DL2—begrenzt normalerweise die variablen zentromeren und telomeren Regionen.

"A/A", "A/B" oder "B/B" geben jedoch keine exakte Kopienzahl, Allelidentität, Phasen der Zentromer- und Telomer-Motive oder ungewöhnliche strukturelle Konfigurationen an. Es ist nur dann nützlich als breite Variable, wenn dies die vordefinierte Analyseebene ist.

Abbildung 1: KIR-Typisierungsauflösungsebenen. Die Genpräsenz, die Kopienzahl, die Allelidentität und das phasierte Haplotyp sind geschachtelte, aber unterschiedliche Ausgaben. Die A/B-Klassifizierung komprimiert Informationen über den Geninhalt und sollte nicht mit einer vollständigen strukturellen oder allelischen Auflösung verwechselt werden.

Warum das KIR-Lokus generische Genotypisierungsannahmen widerlegt

Die KIR-Region vereint drei schwierige Eigenschaften: hohe Sequenzähnlichkeit zwischen Genen, umfangreiche Variation des Geninhalts und Variation der Kopienzahl. Reads von homologen Exons können sich an mehreren Loci ausrichten. Eine Deletion kann einer fehlgeschlagenen Amplifikation ähneln. Ein duplizierter Abschnitt kann das Allelgleichgewicht verzerren. Rekombinante oder hybride Gene können in verschiedenen Regionen unterschiedlichen Referenzen entsprechen. Diese Bedingungen verletzen die einfache diploide Annahme, die vielen standardmäßigen Variantenaufruf-Workflows zugrunde liegt.

Selbst Rahmen-Genome sind kein Grund anzunehmen, dass in jeder Probe zwei Kopien vorhanden sind. Studien mit großen Kohorten haben Deletionen, Duplikationen, ungewöhnliche Geninhalt-Haplotypen und neuartige Allele dokumentiert. Ein Projekt, das an struktureller Vielfalt interessiert ist, benötigt daher möglicherweise spezielle CNV-Sequenzierungsdienste oder eine andere quantitative Ebene anstelle eines binären positiven/negativen Urteils.

Genomweite Daten können unterstützende Beweise liefern, aber ein nomineller Whole-Genome-Sequenzierung Der Datensatz ist nicht automatisch KIR-resolved. Leselänge, Insertgröße, Tiefe, Referenzdarstellung, Multi-Mapping-Politik und KIR-bewusste Software bestimmen, was wiederhergestellt werden kann. Whole-Exom-Daten sind besonders anfällig, da die Erfassungsziele und paraloge Regionen unvollständig oder ungleichmäßig sein können.

Eine zweite Unterscheidung ist ebenso wichtig: Genotyp ist nicht gleichbedeutend mit Rezeptorexpression. Ein KIR-Gen kann vorhanden sein, aber nicht auf jeder NK-Zelle exprimiert werden. Allele können auch in der Oberflächenexpression oder Funktion variieren. Die HLA-KIR-Genotypisierung definiert das vererbte Potenzial; sie misst nicht direkt das zelluläre Repertoire, die Rezeptorhäufigkeit, den Bildungszustand oder die Reaktion der Zielzellen.

Abbildung 2: Strukturelle Quellen der KIR-Ambiguität. Hohe Homologie, variabler Geninhalt, segmentale Duplikation, Deletion und Rekombination können identisch aussehende lokale Signale aus unterschiedlichen zugrunde liegenden Haplotypen erzeugen.

Wählen Sie die minimal ausreichende Auflösung für die Forschungsfrage.

Eine höhere Auflösung ist nur dann wertvoll, wenn sie die Studienvariable verändert oder eine bekannte Mehrdeutigkeit verhindert. Das praktische Ziel ist die minimal ausreichende Auflösung: genügend Beweise, um den beabsichtigten Vergleich zu unterstützen, plus eine Eskalationsregel für Proben, die auf dieser Ebene nicht aufgelöst werden können.

Zum Beispiel könnte eine Kohortenstudie über häufige Geninhaltsfrequenzen nicht von einer vollständigen Lokusphasenanalyse profitieren. Umgekehrt kann ein Projekt, das testet, ob ein spezifischer KIR-Allel sich in Anwesenheit eines bestimmten HLA-Allotyps anders verhält, die Ergebnisse nicht in A/B-Gruppen zusammenfassen. Wenn die HLA-Komponente selbst eine vollständige Gen- oder phasierte Auflösung erfordert, verweist der Begleitleitfaden auf Hochauflösende HLA-Typisierung durch NGS definiert, dass separate Anforderungen.

Vergleichen Sie KIR-Genotypisierungsverfahren nach Ergebnis, nicht nach Plattform.

Eine Methode sollte entsprechend dem Ergebnis ausgewählt werden, das sie validiert hat. Der Ausdruck "NGS-basiertes KIR-Typing" ist unvollständig, es sei denn, er wird von Zielregionen, Logik zur Kopienzahl, Umfang der Allelzuordnung, Phasierungsfähigkeit, Qualitätskriterien und einer Ambiguitätsrichtlinie begleitet.

PCR-SSP und PCR-SSO: Effiziente Geninhaltsscreenings

Sequenzspezifisches Priming und Oligonukleotid-Sondenansätze können effizient bestimmen, ob die erwarteten KIR-Ziele vorhanden sind. Sie bleiben nützlich, wenn das Endergebnis ein validiertes Geninhaltsmuster ist. Ihre Einschränkung ist sowohl konzeptionell als auch technisch: Eine positive Reaktion identifiziert nicht jedes Allel, quantifiziert die Kopienzahl oder zeigt, wie Gene über zwei Haplotypen phasiert sind. Allelische Variation an Primer- oder Sondenseiten kann auch eine scheinbare Abwesenheit erzeugen, wenn der Test nicht für die relevante Diversität ausgelegt wurde.

qPCR, dPCR und MLPA: Quantitative strukturelle Evidenz

Quantitative PCR und digitale PCR können die Kopienzahl eines Locus schätzen, wenn Ziel- und Referenzassays sorgfältig kalibriert sind. Ein MLPA-Test kann eine orthogonale gezielte Sicht auf die Dosierung in ausgewählten Regionen bieten. Diese Ansätze sind besonders nützlich, wenn ein binärer Test ein unerwartetes Muster erzeugt oder wenn die Sequenzierungstiefe auf eine Duplikation oder Deletion hindeutet.

Die Kopienzahl identifiziert immer noch nicht das kopierte Allel oder platziert zusätzliche Kopien auf einem bestimmten Chromosom. Ein Wert von drei ist beispielsweise mit mehr als einer Haplotyp-Anordnung kompatibel. Familiensegration, Informationen über lange Strecken oder eine andere Phasierungsstrategie könnten erforderlich sein, wenn die chromosomspezifische Struktur das Endziel ist.

Gezielte Short-Read-NGS: Gemeinsame Inhalte, Kopienzahl und Allelnachweise

Ein speziell entwickelter zielgerichtete Regionssequenzierung Das Design kann die Abdeckung auf informative KIR-Regionen konzentrieren. Amplicon-Sequenzierung kann eine Hochdurchsatzanalyse unterstützen, während Multiplex-PCR-Sequenzierung kann viele gen-spezifische Ziele in eine begrenzte Anzahl von Reaktionen organisieren.

Die resultierende Auflösung hängt davon ab, was amplifiziert wurde. Exon-fokussierte Panels können viele Allele unterscheiden, lassen jedoch die Phase über entfernte Varianten ungelöst. Auf der Lesetiefe basierende Schätzungen der Kopienzahl erfordern eine stabile Normalisierung, Referenzproben, die relevante Kopiezustände abdecken, und ein explizites Verhalten für mehrdeutige Cluster. Neuartige Variationen können das Zuordnungsniveau verringern, wenn der Caller auf bekannte Referenzen beschränkt ist.

Langstrecken- und Langlesestrategien: Bessere Konnektivität, keine automatische Gewissheit

Langanalysen von Ampliconen können Varianten über einen größeren Teil eines KIR-Gens verbinden. Zielgerichtete Langlesestrategien, einschließlich Nanoporen-Zielsequenzierungkann die Kontinuität ganzer Gene verbessern und helfen, komplexe Strukturen zu untersuchen. Der Trend zu graphbasierten und haplotypbewussten Analysen spiegelt ein echtes Bedürfnis wider: lineare Referenzen sind oft unzureichend für hochpolymorphe Immunloci.

Lange Reads beseitigen nicht die Notwendigkeit von Qualitätskontrollen. Amplicon-Ausfälle, chimäre Moleküle, ungleichmäßige Abdeckung, Homopolymer- oder kontextspezifische Fehler sowie unterstützte strukturelle Pfade können weiterhin falsche Gewissheit erzeugen. Ein Ergebnis von Langreads sollte die Molekülunterstützung, das Strandgleichgewicht, wo relevant, die Vollständigkeit des Ziels und ob die Phase direkt beobachtet oder rechnerisch abgeleitet wurde, angeben.

Orthogonale Bestätigung sollte durch Risiko ausgelöst werden.

Die Bestätigung ist am nützlichsten für neuartige Allele, unerwartete Kopienzahlen, inkonsistente Wiederholungsaufrufe, ungewöhnliche Muster von Rahmen-Genen und Varianten, die die primäre Analyse vorantreiben. Lokale Sequenzfragen können überprüft werden mit Sanger-SequenzierungDosierungsfragen erfordern eine quantitative Methode; vollständige strukturelle Fragen erfordern Beweise, die den relevanten Übergang abdecken. Das Wiederholen desselben Tests löst einen methodenspezifischen blinden Fleck nicht.

Abbildung 3: Methoden-zu-Ausgabe-Karte für KIR-Genotypisierung. Die Assays überschneiden sich, aber ihre validierten Ergebnisse unterscheiden sich. Die Methode sollte rückwärts aus dem erforderlichen Ergebnis ausgewählt werden, mit Eskalationsregeln für ungelöste Kopienzahlen, Allele oder Phasen.

Der Kontrollsatz definiert die Auflösung, die Sie verteidigen können.

Die Validierung des KIR-Assays sollte die genauen Ergebnisse in Frage stellen, die das Projekt zu berichten beabsichtigt. Ein Präsenz/Abwesenheitspanel benötigt positive und negative Kontrollen für variable Gene sowie Nachweise, dass häufige Variationen an Primer-Stellen keine falsche Abwesenheit erzeugen. Ein Copy-Number-Workflow benötigt Referenzproben, die mehr als den üblichen zwei Kopienzustand repräsentieren. Ein Allel-Level-Workflow benötigt Proben mit bekannter Heterozygotie, homologen Genkombinationen und Allelen, die sich innerhalb der tatsächlich abgedeckten Regionen unterscheiden. Ein Phasierungs-Workflow benötigt Wahrheitsmaterial, in dem die Phase unabhängig festgestellt wurde.

Kontrollen sollten auch den Probenprozess herausfordern. Genomische DNA aus Blut, Speichel, Wangenmaterial, Zellpellets oder archivierten Proben kann in Bezug auf Integrität, Inhibitoren, menschlichen DNA-Anteil und Kompatibilität mit Langstreckenamplifikation variieren. Die Akzeptanzkriterien sollten daher an die gewählte Assay-Architektur gebunden sein. Eine hohe Gesamt-DNA-Konzentration kann Fragmentierung nicht ausgleichen, wenn die Methode auf intakten langen Ampliconen beruht.

Schließen Sie eine Replikationsstrategie ein, bei der eine bekannte Quelle der Variation behoben wird. Technische Bibliotheksreplikate können instabile Amplifikation oder grenzwertige Kopienzahlcluster aufdecken, ersetzen jedoch keine unabhängigen biologischen Proben. Eine erneute Extraktion kann matrixbezogene Fehler testen. Eine orthogonale Methode kann ein anderes Messprinzip testen. Diese drei Formen der Wiederholung beantworten unterschiedliche Fragen und sollten nicht unter einem einzigen "replizierten" Etikett zusammengefasst werden.

Ein nützliches Validierungs-Panel enthält gängige Genotypen, seltene oder strukturell ungewöhnliche Konfigurationen, Null- bis Mehrfachkopienzustände, wo verfügbar, sowie No-Template- oder Kontaminationskontrollen. Das Panel sollte zusammen mit dem Test versioniert werden, da ein scheinbar stabiler Workflow unterbestimmt werden kann, wenn neue KIR-Allel in die Referenzdatenbank aufgenommen werden.

Bevor die Kohortenverarbeitung beginnt, führen Sie den vollständigen Labor- und Analyseprozess mit dem Validierungspanel durch und legen Sie fest, welche Abweichungen eine Wiederholungsprüfung, orthogonale Bestätigung, manuelle Überprüfung oder einen absichtlich ungelösten Bericht auslösen.

Verwenden Sie eine KIR-bewusste Analysepipeline, die Unsicherheit bewahrt.

Eine generische Pipeline, die Reads auf ein Referenzgenom ausrichtet und diploide Varianten aufruft, kann plausibel aussehende, aber biologisch ungültige KIR-Ergebnisse erzeugen. Ein KIR-bewusster Workflow sollte das Problem in mehreren Phasen lösen.

1. Bestätigen Sie die Identität der Probe und die Eignung der DNA. Verfolgen Sie Konzentration, Integrität, Kontaminationsindikatoren, Plattenposition und alle Identifikatoren für Spender-Empfänger-Paarungen.
2. Bewerten Sie die Zielabdeckung. Bewerten Sie die abgedeckten Regionen, die Uniformität, die Unterstützung von Strängen oder Molekülen und die Ausfallmuster, bevor Sie eine Abwesenheit zuweisen.
3. Schätzen Sie den Geninhalt und die Kopienzahl. Trennen Sie Zero-Copy-Beweise von niedriger Abdeckung und normalisieren Sie dann die Tiefe oder quantitative Signale gegen validierte Kontrollen.
4. Führen Sie eine allelfreundliche Inferenz unter Berücksichtigung der Kopienzahl durch. Die Anzahl der erwarteten Allelkopien sollte die Genotypzerlegung einschränken. Mehrfachzuordnungen und gemeinsame Sequenzen müssen modelliert und dürfen nicht stillschweigend verworfen werden.
5. Behalte neuartige und mehrdeutige Zustände bei. Berichten Sie über kompatible Allel-Sets, ungelöste Gen-Gruppen und potenziell neue Varianten, anstatt den nächstgelegenen Datenbankabgleich zu erzwingen.
6. Inferphase nur verwenden, wenn unterstützt. Lesen-unterstützte Phase, Familienseparation, Populationsinferenz und Datenbankabgleich sind verschiedene Evidenztypen und sollten separat gekennzeichnet werden.
7. Wenden Sie orthogonale Bestätigungsregeln an. Trigger-Bestätigung gemäß analytischem Risiko und der Rolle des Anrufs in der primären Hypothese.

Der Referenzkontext ist Teil des Ergebnisses. IPD-KIR-Veröffentlichungen ändern sich, da neue Allele und Haplotypen kuratiert werden. Ein Aufruf, der gegen eine Veröffentlichung generiert wurde, kann später umbenannt, aufgeteilt oder anders aufgelöst werden. Daher sollten die Pipeline-Version, die Referenzveröffentlichung, die Zieldefinition und das Parameterset mit der Genotyp-Tabelle mitgeführt werden.

Abbildung 4: KIR-bewusste Anruf- und Mehrdeutigkeitsgatter. Die Anzahl der Kopien schränkt die Allelinferenz ein, während ungelöste oder neuartige Zustände sichtbar bleiben. Ein erzwungener Einzelaufruf ist keine Qualitätsverbesserung.

Erstellen Sie einen Bericht, der neu interpretiert werden kann.

Ein wiederverwendbarer KIR-Bericht sollte mehr als nur ein finales Genotyp-Label enthalten. Mindestens jede Zeile auf Locus-Ebene sollte Folgendes beinhalten:

• berichtete Ziel- und Nomenklaturkonvention;
• Genpräsenzstatus und unterstützende Abdeckung;
• geschätzte Kopienanzahl mit Vertrauen oder Überprüfungsflag;
• Alleleaufruf oder kompatibles Alleleset;
• Phasenstatus und die verwendeten Nachweise zur Feststellung desselben;
• bedeckte und unbedeckte Regionen;
• novel-Variante oder rekombinante Struktur-Flagge;
• Referenzdatenbank und Veröffentlichung;
• Software, Workflow und Parameter-Version;
• orthogonaler Bestätigungsstatus.

Eine maschinenlesbare Tabelle sollte von einer prägnanten Interpretationsnotiz begleitet werden, die erklärt, was der Test nicht aufgelöst hat. Dies ist besonders wichtig, wenn Ergebnisse zwischen Bevölkerungsstudien geteilt oder nach einem Datenbank-Update erneut analysiert werden. "Kein Ergebnis" und "nicht getestet" sollten niemals in "abwesend" umgewandelt werden.

HLA-Allele in Ligandgruppen umwandeln als separaten Schritt

KIR- und HLA-Ergebnisse sollten getrennt bleiben, bis beide ihre eigenen Qualitätsprüfungen bestanden haben. Die HLA-Ebene wird dann in die Ligandkategorien umgewandelt, die vom vordefinierten Modell benötigt werden. Häufige Abstraktionen umfassen C1/C2, die hauptsächlich auf HLA-C basieren, und Bw4/Bw6, die hauptsächlich auf HLA-B basieren. Kreuzlokus-Ausnahmen sind wichtig: Ausgewählte HLA-B-Allotypen können ein C1-Epitop beitragen, während ausgewählte HLA-A-Allotypen Bw4 tragen können. Mehr bedingte, peptidabhängige Beziehungen – wie HLA-A3/A11 mit KIR3DL2 – sollten nicht ohne ein explizites Nachweisschild in dieselbe Regeltafel zusammengeführt werden.

Diese Transformation ist kein Lookup, der in einem Analyse-Skript verborgen bleiben sollte. Das Projekt sollte Folgendes aufzeichnen:

• Welche HLA-Loci und Allelfelder wurden verwendet;
• die Ligand-Definitionsquelle und -version;
• wie mehrdeutige HLA-Zuordnungen behandelt wurden;
• ob ob die Zuordnungen von C1/Bw4 über verschiedene Loci oder bedingte HLA-A-Beziehungen einbezogen wurden;
• Welche KIR-Ligand-Beziehungen wurden als etabliert, bedingt oder unbekannt angesehen;
• ob die Analyse die Anwesenheit von Liganden, die Ligandendosis oder allelspezifische Interaktionstermine verwendet hat.

Drei Grenzen müssen sichtbar bleiben. Erstens beweist das Vorhandensein von KIR-Genen nicht die Expression von Rezeptoren an der Zelloberfläche. Zweitens zeigt ein HLA-Liganden-Genotyp nicht die Expression auf der relevanten Zielzelle. Drittens zeigt ein kompatibles Rezeptor-Ligand-Paar nicht von sich aus die Ausbildung, Hemmung, Aktivierung oder Zytotoxizität von NK-Zellen. Die Matrixübersicht, HLA-Typisierung und Sequenzierungsdienste für das Immunsystemsetzt diese genetische Schicht in den breiteren Kontext der Immunprofilierung.

Abbildung 5: Von HLA-Allelen zu ligandbewussten Variablen. Ligand-Mapping ist eine dokumentierte Transformation zwischen zwei validierten Genotyp-Schichten, jedoch kein Beweis dafür, dass eine funktionale Rezeptor-Ligand-Interaktion stattgefunden hat.

Definieren Sie das Spender-Empfänger-Modell vor der Prüfung von Transplantationsergebnissen.

"KIR-Mismatch" ist keine einzelne Variable. Transplantationsstudien haben Ligand-Ligand-Mismatch, Rezeptor-Ligand-Mismatch, fehlende Liganden oder fehlende Selbstmodelle, Bildungsmodelle, A/B-Haplotypkategorien, zentromerische und telomerische Motive, B-Inhaltswerte und allelspezifische KIR–HLA-Paare verwendet. Diese Modelle können dasselbe Spender-Empfänger-Paar unterschiedlich klassifizieren.

Die Richtung der Daten muss eindeutig sein. Ein Spender-KIR/Empfänger-HLA-Modell ist nicht austauschbar mit Empfänger-KIR/Spender-HLA oder Spender-HLA/Empfänger-HLA-Abstimmungen. Der Forschungsdatensatz sollte in jedem Interaktionsterm die Variablen Spender und Empfänger identifizieren.

Der Kontext verändert auch die biologische Interpretation. Krankheit, Herkunft des Transplantats, HLA-Matching-Niveau, Intensität der Konditionierung, T-Zell-Depletion, posttransplantatorisches Cyclophosphamid, Serostatus, Alter des Spenders und Definition des Endpunkts können alle einen beobachteten Zusammenhang beeinflussen. Ein Ergebnis von einer Transplantationsplattform sollte nicht als universelle Eigenschaft eines KIR-Gens oder B-Haplotyps dargestellt werden.

Die Evidenz bleibt modell- und kohortenabhängig. Eine Validierungsstudie aus dem Jahr 2024 zu 5.017 Transplantationen von nicht verwandten Spendern bestätigte nicht mehrere zuvor vorgeschlagene KIR-Klassifikationen von Spendern. Eine Meta-Analyse aus dem Jahr 2026 berichtete über gepoolte Assoziationen zwischen den Genotypen B/X von Spendern und einigen Ergebnissen, aber ihre Evidenzbasis verwendete größtenteils eine niedrig aufgelöste AA/B/X-Typisierung, zeigte Heterogenität und konnte verfeinerte zentromerische/telomerische Subtypen oder KIR-Kombinationen von Spender und Empfänger nicht aufklären. Diese Ergebnisse sind nicht von Natur aus widersprüchlich: Eine gepoolte Assoziation und eine prospektiv nützliche Auswahlregel sind unterschiedliche Evidenzstandards.

HLA-Matching bleibt primär. Derzeit ersetzt kein allgemein anwendbarer KIR-Genotyp-Algorithmus die etablierten Kriterien zur Spenderauswahl. KIR-Variablen sollten besser als Forschungsstratifizierer oder potenzielle Hilfsvariablen betrachtet werden, deren Wert im relevanten Transplantationskontext und gegen unabhängig definierte Endpunkte getestet werden muss.

Für Projekte, die sich speziell auf die Einheitlichkeit der Identität, die bestätigende Typisierung und die HLA-Zuordnungslogik konzentrieren, siehe HLA-Typisierung für Nabelschnurblutbanken und TransplantationDer vorliegende Artikel behandelt nur die zusätzliche KIR- und Ligandenmodell-Ebene.

Abbildung 6: KIR–HLA-Modelle sind nicht austauschbar. Jedes Modell konsumiert eine unterschiedliche Teilmenge und Richtung von Spender- und Empfängerinformationen. Die Modelldefinition muss vor der Ergebnistestung festgelegt werden.

Entwerfen Sie Krankheitsassoziationsstudien für die Replikation, nicht nur für die Entdeckung.

KIR–HLA-Kombinationen wurden in der Virusinfektion, autoimmunen und entzündlichen Phänotypen, der Krebsforschung und der reproduktiven Immunologie untersucht. Diese Bereiche sind biologisch wichtig, aber auch anfällig für Populationsstrukturen, unzureichend leistungsfähige Interaktionstests, inkonsistente Phänotypdefinitionen und selektive Berichterstattung.

KIR- und HLA-Frequenzen variieren zwischen Populationen und zeigen Hinweise auf Koevolution. Eine Krankheitsassoziationsstudie sollte daher die Abstammung und die Rekrutierungsstruktur modellieren, anstatt eine zusammengefasste Kohorte als genetisch homogen zu behandeln. Populationsgenetik Das Framework kann helfen, den primären biologischen Vergleich von Hintergrundfrequenzunterschieden und Verknüpfungsmustern zu trennen.

Die analytische Hierarchie sollte ebenfalls vorab festgelegt werden. Geninhalt, Kopienzahl, Allel, Motiv, phasierter Haplotyp, HLA-Ligand und KIR–HLA-Interaktionstermine sind verschiedene Hypothesenfamilien. Das Testen aller ohne einen Multiplikationsplan führt zu instabilen "besten" Assoziationen. Nützliche Schutzmaßnahmen umfassen:

• ein primäres Auflösungs- und primäres Interaktionsmodell;
• minimale Häufigkeiten für seltene Genotypkombinationen;
• ahnenbewusste Kovariaten oder stratifizierte Analyse;
• Korrektur für die getestete Hypothese Familie;
• Sensitivitätsanalyse über plausible Ambiguitätsauflösungen;
• eine unabhängige Replikationskohorte;
• funktionale Nachverfolgung für Assoziationen, die das Verhalten von Rezeptoren implizieren.

Am wichtigsten ist, dass eine Kohortenebene-Assoziation kein individuelles diagnostisches Ergebnis ist. KIR–HLA-Genotypen sollten nicht allein in persönliche Infektionsrisiken, autoimmune Prognosen, Fruchtbarkeitsratschläge oder Behandlungsentscheidungen übersetzt werden. Die vertretbare Behauptung ist auf die beprobte Population, das gemessene Phänotyp, das ausgewählte Modell und die validierte analytische Auflösung beschränkt.

Verwenden Sie eine Ein-Seiten-HLA–KIR-Projektspezifikation

Vor der Probenverarbeitung sollte das Studienteam in der Lage sein, die folgende Spezifikation zu vervollständigen, ohne "hohe Auflösung" als undefinierten Kurzbegriff zu verwenden:

1. HauptfrageWelche biologische Vergleich oder Assoziation wird getestet?
2. Einheit der InferenzEinzelperson, Spender, Empfänger, Spender-Empfänger-Paar, Familie oder Population?
3. KIR-Ausgabe: Präsenz, Kopienzahl, Allel, Motiv oder phasierter Haplotyp?
4. HLA-AusgabeWelche Loci, welche Allelfelder und welche Phasenvoraussetzungen?
5. Ligand-KartierungWelche C1/C2, Bw4/Bw6, HLA-A oder allelspezifischen Regeln?
6. InteraktionsmodellIn welche Richtung und welche formale Definition?
7. Assay-ArchitekturZiele, abgedeckte Regionen, erwartete blinde Flecken und Kontrollen?
8. MehrdeutigkeitsrichtlinieWas bleibt ungelöst, was löst eine Überprüfung aus und was ist ausgeschlossen?
9. BestätigungsrichtlinieWelche Anrufe erfordern eine unabhängige Methode?
10. AnalyseplanKovariaten, Multiplikationskontrolle, Sensitivitätsanalyse und Replikation?
11. LiefergegenständeGenotyp-Tabelle, QC-Beweise, Ligandableitung, Modellausgabe und Einschränkungen?

Wenn ein Projekt viele Loci oder benutzerdefinierte immun-genetische Ziele umfasst, ein Genpanel-Sequenzierungsdienst kann anhand dieser Spezifikation bewertet werden. Das Panel sollte nur akzeptiert werden, wenn seine Zielabdeckung und das Analysemodell mit dem erforderlichen KIR-Ausgang übereinstimmen – nicht, weil es ein breites "Immunsystem"-Label trägt.

Abbildung 7: HLA–KIR Projektbeschreibung. Ein entscheidungsbereites Projekt verbindet die biologische Fragestellung mit einer expliziten Genotypauflösung, Ligandentransformation, Interaktionsmodell, Unsicherheitsrichtlinie und dem endgültigen Ergebnis.

Was ein entscheidungsreifes Ergebnis enthalten sollte

Ein endgültiges Projektpaket sollte es einem anderen Analysten ermöglichen, sowohl die Genotyp-Interpretation als auch die abgeleiteten KIR-HLA-Variablen zu reproduzieren. Empfohlene Komponenten sind das Probenmanifest; das Manifest der Assay-Ziele; Nachweis der Abdeckung und der Kopienzahl pro Locus; Genotyp- und kompatible Anrufsets; Phasenbeweise; HLA-Allel-Anrufe; Tabelle zur Ableitung von Ligandengruppen; Modelldefinitionen; versionierte Software und Referenzdatenbanken; ausgeschlossene oder ungelöste Proben; orthogonale Bestätigungsergebnisse; und eine Erklärung zu den Einschränkungen.

CD Genomics kann Forschungsteams dabei unterstützen, die erforderliche KIR- und HLA-Auflösung zu definieren, gezielte oder langfristige Sequenzierungsstrategien auszuwählen, quantitative und orthogonale Bestätigungswege zu etablieren und die Ergebnisse für nachgelagerte Bevölkerungs- oder Spender-Empfänger-Forschung zu organisieren. Die Projektunterstützung sollte entsprechend der Forschungsfrage, der Probenarchitektur und dem erforderlichen Evidenzniveau ausgewählt werden.

Fazit

HLA–KIR-Typisierung ist am nützlichsten, wenn sie eine präzise definierte analytische Variable liefert. Geninhalt, Kopienzahl, Allelidentität und phasierter Haplotyp beantworten unterschiedliche Fragen. HLA-Ligandengruppen fügen eine zweite Inferenzebene hinzu, und Transplantations- oder Krankheitsmodelle fügen eine dritte hinzu. Jede Ebene benötigt ihre eigenen Qualitätskontrollen und Unsicherheitsgrenzen.

Das stärkste Projekt ist nicht das mit den meisten Methoden. Es ist das, in dem die erforderliche Auflösung vor dem Test festgelegt wird, der Assay für dieses Ergebnis validiert ist, Mehrdeutigkeit beibehalten wird, das KIR–HLA-Modell explizit ist und die Schlussfolgerung nicht weiter reicht als die Beweise.

Häufig gestellte Fragen

Nur für Forschungszwecke. Nicht für die Anwendung in diagnostischen Verfahren.

Referenzen:

1. IPD-KIR-Datenbank. Einführung in die KIR-Genorganisation, Nomenklatur und Haplotypen.
2. Downing J, D'Orsogna L. Hochauflösende menschliche KIR-Genotypisierung. Immunogenetik. 2022;74:369–379.
3. Wagner I, et al. Allel-Level KIR-Genotypisierung von mehr als einer Million Proben: Workflow, Algorithmus und Beobachtungen. Frontiers in Immunology. 2018;9:2843.
4. Jiang W, et al. qKAT: eine Hochdurchsatz-qPCR-Methode zur Bestimmung der KIR-Genkopienzahl und Haplotypen. Genome Medicine. 2016;8:99.
5. Amorim LM, et al. Hochauflösende Charakterisierung von KIR-Genen in einer großen nordamerikanischen Kohorte offenbart neuartige Details zur strukturellen und sequenziellen Vielfalt. Frontiers in Immunology. 2021;12:674778.
6. Marin WM, et al. Hochdurchsatzinterpretation von KIR-Short-Read-Sequenzierungsdaten mit PING. PLOS Computational Biology. 2021;17:e1008904.
7. Dhuyser A, et al. KIR bei allogener hämatopoetischer Stammzelltransplantation: Notwendigkeit eines einheitlichen Paradigmas für die Spenderauswahl. Frontiers in Immunology. 2022;13:821533.
8. Dhuyser A, et al. Vergleich von Vorhersagemodellen zur NK-Alloreaktivität basierend auf KIR-MHC-Interaktionen bei der hämatopoetischen Stammzelltransplantation. Frontiers in Immunology. 2023;14:1028162.
9. Schetelig J, et al. Spender-KIR-Genotyp basierte Ergebnisvorhersage nach allogener Stammzelltransplantation: kein Land in Sicht. Frontiers in Immunology. 2024;15:1350470.
10. Huang Y, et al. Auswirkungen der Genotypen der Spender-Killerzell-Immunoglobulin-ähnlichen Rezeptoren auf das klinische Ergebnis nach allogener hämatopoetischer Stammzelltransplantation – eine systematische Übersicht und Meta-Analyse. Frontiers in Immunology. 2026;17:1856878.