[論文レビュー] Differential Expression Analysis of Dynamical Sequencing Count Data with a Gamma Markov Chain

Ehsan Hajiramezanali, Siamak Zamani Dadaneh+4 more|arXiv (Cornell University)|Mar 7, 2018

Gene expression and cancer classification被引用数 6

ひとこと要約

本稿では、ガンママルコフ連鎖と負の二項分布を統合することで、時系列的RNA-Seqカウントデータを分析する新しいベイジアン階層モデルGMNBを提案する。動的遺伝子発現パターン（特に急激な変化を含む）の柔軟なモデリングが可能であり、閉形式のギブスサンプリングを用いた効率的な推論を実現することで、滑らかでない時系列的動態を示す遺伝子を含む、条件間の発現差を検出する際、既存手法を上回る性能を発揮する。

ABSTRACT

Next-generation sequencing (NGS) to profile temporal changes in living systems is gaining more attention for deriving better insights into the underlying biological mechanisms compared to traditional static sequencing experiments. Nonetheless, the majority of existing statistical tools for analyzing NGS data lack the capability of exploiting the richer information embedded in temporal data. Several recent tools have been developed to analyze such data but they typically impose strict model assumptions, such as smoothness on gene expression dynamic changes. To capture a broader range of gene expression dynamic patterns, we develop the gamma Markov negative binomial (GMNB) model that integrates a gamma Markov chain into a negative binomial distribution model, allowing flexible temporal variation in NGS count data. Using Bayes factors, GMNB enables more powerful temporal gene differential expression analysis across different phenotypes or treatment conditions. In addition, it naturally handles the heterogeneity of sequencing depth in different samples, removing the need for ad-hoc normalization. Efficient Gibbs sampling inference of the GMNB model parameters is achieved by exploiting novel data augmentation techniques. Extensive experiments on both simulated and real-world RNA-seq data show that GMNB outperforms existing methods in both receiver operating characteristic (ROC) and precision-recall (PR) curves of differential expression analysis results.

研究の動機と目的

• 時系列的RNA-Seqデータにおける遺伝子発現の非滑らかで急激な変化を捉えることが難しい既存手法の限界を解消すること。
• ヒューリスティックな正規化や厳密な滑らかさ仮定に依存しない、完全なベイジアンフレームワークを構築すること。
• データ拡張を用いた閉形式ギブスサンプリングにより、高次元の時系列カウントデータに対する効率的な推論を可能にすること。
• 静的または滑らかさ制約付きモデルが見逃す生物学的に有意義な動的パターンを示す遺伝子の検出を向上させること。
• 尤度枠組み内でシーケンシング深度の不均一性を明示的にモデル化することで、臨床的・実用的な正規化の必要性を排除すること。

提案手法

• GMNBモデルは、過分散および技術的ノイズを考慮した負の二項分布を用いてRNA-Seqカウントデータをモデル化する。
• 時間的に変化する負の二項分布の平均パラメータをモデリングするために、ガンママルコフ連鎖が導入され、急激な遷移を含む柔軟な時系列的ダイナミクスを可能にする。
• 遺伝子および時系列ポイント間での統計的強度の共有を実現する階層ベイジアン構造を採用することで、リplicate数が限られた状況下でも推定精度を向上させる。
• 潜在パラメータおよびハイパーパラメータの後立確率推定を効率的に行うために、データ拡張技術を用いて閉形式ギブスサンプラーを導出する。
• 遺伝子発現の全時系列的軌跡を活用して、条件間の差分発現を検定するためのベイズ因子を計算する。
• シーケンシング深度の不均一性は乗法的強度パラメータを通じて尤度枠組み内で明示的にモデル化され、事前正規化処理の必要性がなくなる。

実験結果

リサーチクエスチョン

• RQ1 滑らかさ制約付きモデル（DyNBなど）と比較して、ガンママルコフ連鎖は、特に急激な変化を含む、より広範な動的発現パターンを捉えることができるか？
• RQ2 負の二項分布モデルにガンママルコフ連鎖を統合することで、時系列的RNA-Seqデータにおける差分発現遺伝子の検出に統計的パワーが向上するか？
• RQ3 メトロポリス・ハスティングス法などの計算コストの高いMCMC手法に依存せずに、GMNBモデルは効率的な推論を達成できるか？
• RQ4 シミュレートされたおよび実際の時系列的RNA-Seqデータセットにおいて、ROCおよび精密再現率（PR）性能の面で、GMNBは最先端手法をどの程度上回るか？
• RQ5 GMNBは、DESeq2のような静的または正規化済み差分発現ツールが見逃す、生物学的に有意義な動的発現パターンを示す遺伝子を同定できるか？

主な発見

• GMNBは、シミュレートされたおよび実際の時系列的RNA-Seqデータにおいて、DyNB、DESeq2その他の手法と比較して、ROC曲線および精密再現率（PR）曲線の下側面積で優れた性能を示し、統計的パワーの優位性を実証した。
• qRT-PCRで裏付けられた遺伝子IL17A、IL17F、RORCは、GMNBにより著しく高い順位にランクされた（例：RORCはGMNBで26位、DyNBで37位）、より高いベイズ因子を示し、マーカー遺伝子検出の向上を示した。
• GMNBが同定した上位100遺伝子のGO機能発現解析では、免疫応答（p < 1e-19）、防御応答（p < 2e-16）、細胞線維化（p < 3e-18）との有意な関連が確認され、Th17生物学と整合的であった。
• GMNBは、免疫応答に関連する上位遺伝子の38％、刺激応答に関連する74％を同定した。これは、Th17細胞が炎症および自己免疫疾患に関与するという知見と整合的であった。
• 閉形式ギブスサンプリングにより、MCMCベースの代替手法（DyNBなど）と比較して計算複雑性を低減し、効率的な推論を実現した。
• GMNBは、事前処理による正規化を必要とせず、シーケンシング深度の変動を自然に扱えるため、差分発現検出の耐性向上とバイアス低減が図られた。