[論文レビュー] Estimating intrinsic and extrinsic noise from single-cell gene expression measurements

Audrey Qiuyan Fu, Lior Pachter|arXiv (Cornell University)|Jan 13, 2016

Gene Regulatory Network Analysis参考文献 3被引用数 3

ひとこと要約

この論文は、2レポーター系を用いた単細胞遺伝子発現における固有ノイズと外部ノイズの推定のための厳密な統計的枠組みを提供する。階層的ランダム効果モデルを用いて遺伝子発現をモデル化し、全分散の法則を適用することで、特に小標本サイズにおいて平均二乗誤差を最小化する補正推定器を導出する。また、分位数正規化と相関に基づく外部ノイズ推定の正当性を裏付ける。

ABSTRACT

Gene expression is stochastic and displays variation ("noise") both within and between cells. Intracellular (intrinsic) variance can be distinguished from extracellular (extrinsic) variance by applying the law of total variance to data from two-reporter assays that probe expression of identical gene pairs in single-cells. We examine established formulas for the estimation of intrinsic and extrinsic noise and provide interpretations of them in terms of a hierarchical model. This allows us to derive corrections that minimize the mean squared error, an objective that may be important when sample sizes are small. The statistical framework also highlights the need for quantile normalization, and provides justification for the use of the sample correlation between the two reporter expression levels to estimate the percent contribution of extrinsic noise to the total noise. Finally, we provide a geometric interpretation of these results that clarifies the current interpretation.

研究の動機と目的

• 単細胞遺伝子発現データにおける固有ノイズと外部ノイズ推定器の統計的限界を解消すること。
• 特に小標本サイズにおいて平均二乗誤差を最小化することで推定精度を向上させること。
• 全分散の法則の使用を正当化する形式的な階層的モデルを提供すること。
• 分位数正規化の役割と、標本相関を用いた外部ノイズ寄与度推定の意義を明確にすること。
• 2レポーター実験におけるノイズ分解式の幾何的および確率的解釈を提供すること。

提案手法

• 細胞状態を条件とする場合にレポーター発現が条件付き独立同一分布に従うという、2レポーター系の階層的ランダム効果モデルとしての定式化。
• 全分散の法則を適用し、全分散を細胞内（固有）ノイズ成分と細胞間（外部）ノイズ成分に分解する。
• 階層的モデル下で平均二乗誤差を最小化するように、固有ノイズおよび外部ノイズの補正推定器を導出する。
• モーメントベース推定を用いて、観察された発現ペア (c_i, y_i) からノイズ成分の明示的式を導出する。
• レポーター対間の標本相関が外部ノイズ寄与度の測度として用いられる根拠を裏付ける。
• ベクトル空間への射影と分散共分散構造を用いた、ノイズ分解の幾何的解釈を提供する。

実験結果

リサーチクエスチョン

• RQ1 限られた標本サイズの単細胞遺伝子発現データにおいて、固有ノイズと外部ノイズをより正確に推定する方法は何か？
• RQ2 広く用いられているELSSのノイズ分解式の統計的根拠は何か？
• RQ3 階層的モデルの仮定がノイズ推定器のバイアスと分散に与える影響は何か？
• RQ4 なぜ2レポーター系において分位数正規化が必要であり、ノイズ推定にどのように寄与するか？
• RQ5 なぜレポーター発現レベル間の標本相関を外部ノイズ寄与度の推定に用いるのが正当化されるのか？

主な発見

• 特に小標本サイズにおいて平均二乗誤差を最小化する補正推定器が導出され、推定精度が向上する。
• 階層的モデルにより、全分散の法則の使用が正当化され、ELSS式の形式的統計的根拠が得られる。
• 分位数正規化は、レポーター発現レベルの系統的差を是正するため、正確なノイズ推定に不可欠であることが示された。
• レポーター対間の標本相関が、全分散における外部ノイズ寄与度の有効な推定器として数学的に正当化された。
• 幾何的解釈により、発現ベクトルの射影の文脈で、固有ノイズ、外部ノイズ、全分散の関係が明確にされた。
• 正規分布およびゼロ平均の仮定下で、固有ノイズ推定器の分散がσ⁴に比例することが示され、その平均二乗誤差の明示的表現が導出された。