[論文レビュー] Estimating Clonality

Yi Liu, Andrew Fire+2 more|arXiv (Cornell University)|Aug 6, 2014

Genomics and Phylogenetic Studies参考文献 5被引用数 6

ひとこと要約

本論文は、異なる深度の複数のシークエンシングライブラリを用いて、免疫レパートアーやマイクロバイオームなどの集団における相対頻度の二次的関数であるクローン性（clonality）を推定する、新たな経験的ベイズおよびジャックナイフに基づく手法を提案する。既存の推定器と比較して平均二乗誤差（MSE）を98％以上低減し、真の頻度分布が不正確にしか分かっていない状況でも、クローン性の推定が高精度で可能になる。

ABSTRACT

Challenges of assessing complexity and clonality in populations of mixed species arise in diverse areas of modern biology, including estimating diversity and clonality in microbiome populations, measuring patterns of T and B cell clonality, and determining the underlying tumor cell population structure in cancer. Here we address the problem of quantifying populations, with our analysis directed toward systems for which previously defined algorithms allow the sequence-based identification of clonal subpopulations. Data come from replicate sequencing libraries generated from a sample, potentially with very different depths. While certain properties of the underlying clonal distribution (most notably the total number of clones) are difficult to estimate accurately from data representing a small fraction of the total population, the population-level "clonality" metric that is the sum of squared probabilities of the respective species can be calculated. (This is the sum of squared entries of a high-dimensional vector $p$ of relative frequencies.) The clonality score is the probability of a clonal relationship between two randomly chosen members of the population of interest. A principal takeaway message is that knowing a functional of $p$ well may not depend on knowing $p$ itself very well. Our work has led to software, which we call {\it lymphclon}; it has been deposited in the CRAN library.

研究の動機と目的

• 真の頻度分布が不明で、部分的なシークエンシングデータしか入手できない生物学的集団におけるクローン性推定の課題に取り組む。
• 変動するライブラリ深度やPCR増幅バイアスが存在する状況において、免疫レパートリーシークエンシングにおける既存のクローン性推定器を改善すること。
• 完全な頻度ベクトルの正確な知識が不要な状況でも、相対頻度の二次的関数としてのジニ＝シンプソン指数（クローン性）を正確に推定できる手法を開発すること。
• 高次元かつスパースなシークエンシングデータ（免疫細胞や微生物集団由来）に適した、統計的に妥当でバイアスが小さく分散も小さい推定器を提供すること。

提案手法

• クローン間で強度を共有するための経験的ベイズ推定を用いて、クローン性推定における分散を低減し、頻度データの階層的モデル化を活用する。
• 初期のクローン性推定器におけるバイアスを補正するためにジャックナイフリサンプリングを適用し、特に小標本または高スパースな状況で有効である。
• 5段階の推定器フレームワークを採用する：(1) 異なるライブラリから初期のクローン性推定値を算出、(2) これらの推定値の共分散行列を推定、(3) 共分散行列を正則化、(4) 正則化された共分散行列の逆行列を用いて最良線形不偏推定量（BLUE）の式を適用、(5) 最終推定関数により結果を統合。
• 変動するライブラリ深度や増幅バイアスを再現できるように、パレート・ポアソン生成プロセスを用いてクローン頻度をモデル化する。
• 共分散行列の逆行列を安定化させるために正則化を組み込み、クローン数がリPLICATE数を上回る場合でも推定が安定するようにする。
• CRANに公開されたRパッケージ「lymphclon」に実装されており、混合クローン性推定およびライブラリ間の一貫性チェックのための関数を提供する。

実験結果

リサーチクエスチョン

• RQ1 真の頻度ベクトルが部分的にしか観測されておらず、極めてスパースな状況下でもクローン性を正確に推定できるか？
• RQ2 不均一なシークエンシング深度を持つ複数のリPLICATEライブラリが存在する状況で、クローン性推定におけるバイアスと分散を同時に低減する方法は何か？
• RQ3 経験的ベイズおよびジャックナイフ手法を用いることで、既存の手法と比較してクローン性推定器の平均二乗誤差（MSE）はどの程度改善されるか？
• RQ4 頻度ベクトル自体を正確に推定しなくても、高次元確率ベクトルの二次的関数（例：クローン性）を推定することは可能か？
• RQ5 実際のシミュレーション状況下で、本研究で提案する推定器はParameswaranら（2013）の最先端推定器と比較してどの程度優れているか？

主な発見

• 提案手法は、既存で最も精度の高かった推定器（Parameswaranら, 2013）と比較して、クローン性推定の平均二乗誤差（MSE）を98％以上低減した。
• 真の頻度分布が不正確であっても高い精度を達成しており、頻度ベクトルそのものの正確な知識がなくても、関数（クローン性）の推定が可能であることを示した。
• ジャックナイフは、不均一なライブラリ深度やPCR増幅アーチファクトが存在する状況でも、クローン性推定器のバイアスを効果的に低減した。
• 共分散行列の正則化により、逆行列の安定化が可能となり、クローン数がリPLICATE数を上回る場合でも推定性能が向上した。
• パワーロー法（ジップ）分布に類似した頻度分布を含む多様なクローン頻度分布に対して、本手法は頑健に性能を発揮した。
• lymphclon Rパッケージは、本手法を正しく実装しており、CRANに公開されており、免疫学的およびマイクロバイオーム研究における再現可能でスケーラブルなクローン性推定を可能にした。