[論文レビュー] Fast Approximate Inference of Transcript Expression Levels from RNA-seq Data

James Hensman, Peter Glaus+2 more|arXiv (Cornell University)|Aug 27, 2013

Molecular Biology Techniques and Applications参考文献 16被引用数 3

ひとこと要約

本稿では、最近のアルゴリズム的進展を活用して、標準的な変分EMを上回る収束速度を実現する、RNA-seqデータからのトランスクリプト発現レベル推定の高速な変分ベイズ推論手法を提案する。シミュレートされたデータおよび生物学的データセットを用いた検証により、推定精度のわずかな妥協を伴いながらも、顕著な高速化が達成されている。

ABSTRACT

Motivation: The mapping of RNA-seq reads to their transcripts of origin is a fundamental task in transcript expression estimation and differential expression scoring. Where ambiguities in mapping exist due to transcripts sharing sequence, e.g. alternative isoforms or alleles, the problem becomes an instance of non-trivial probabilistic inference. Bayesian inference in such a problem is intractable and approximate methods must be used such as Markov chain Monte Carlo (MCMC) and Variational Bayes. Standard implementations of these methods can be prohibitively slow for large datasets and complex gene models. Results: We propose an approximate inference scheme based on Variational Bayes applied to an existing model of transcript expression inference from RNA-seq data. We apply recent advances in Variational Bayes algorithmics to improve the convergence of the algorithm beyond the standard variational expectation-maximisation approach. We apply our algorithm to simulated and biological datasets, demonstrating that the increase in speed requires only a small trade-off in accuracy of expression level estimation. Availability: The methods were implemented in R and C++, and are available as part of the BitSeq project at https://code.google.com/p/bitseq/. The methods will be made available through the BitSeq Bioconductor package at the next stable release.

研究の動機と目的

• RNA-seqデータからのトランスクリプト発現推定における正確なベイズ推論の計算的非実行可能性に対処すること。
• 推定精度を損なわせることなく、既存の変分ベイズ手法の速度を向上させること。
• 最近の変分推論アルゴリズムの進展を応用し、配列の曖昧性を伴う複雑な遺伝子モデルにおける収束を改善すること。
• アリルバリアントや代替スプライシングを伴う大規模なRNA-seqデータセットのスケーラブルな解析を可能にすること。
• ハイパーフィーチャー・ゲノミクスに適した実用的で効率的なトランスクリプト発現定量ツールを提供すること。

提案手法

• 本手法は、RNA-seqデータからのトランスクリプト発現の既存モデルに変分ベイズ推論フレームワークを適用する。
• 標準的な変分期待最大化（VEM）手法を上回る収束速度を実現するために、最近のアルゴリズム的改善を統合する。
• スプライシングやアレルの共有配列に起因するアセンブリの曖昧性に対処する。
• パフォーマンスが重要なコンponentsについてはRとC++で実装し、大規模データセットでの効率性を確保する。
• トランスクリプト発現レベルの事後分布推定を簡素化するために、平均場近似を用いる。
• 本手法はBitSeqソフトウェアプロジェクトに統合され、Bioconductorパッケージを通じて提供される予定である。

実験結果

リサーチクエスチョン

• RQ1 変分ベイズ推論が、大規模なRNA-seqデータセットにおけるトランスクリプト発現推定を現実可能にするほど十分に高速化できるか。
• RQ2 本手法の収束速度は、複雑な遺伝子モデルにおける標準的な変分EMと比べてどの程度速いか。
• RQ3 トランスクリプト発現定量において、計算速度と推定精度のトレードオフはどのようなものか。
• RQ4 より速い収束にもかかわらず、本手法は高い推定精度を維持できるか。
• RQ5 本手法は、代替スプライシングを含む複雑なトランスクリプト構造を有する生物学的データセットにおいて、どの程度の性能を示すか。

主な発見

• 本手法は、標準的な変分EMに比べて顕著な高速化を達成しながらも、トランスクリプト発現推定において高い正確性を維持している。
• 最近の変分推論アルゴリズムの進展のおかげで、アルゴリズムはベースライン手法よりも速く収束する。
• シミュレートされたデータセットでは、遅い正確な推定やMCMCベースの手法と比較して、推定精度の低下はわずかにとどまる。
• 代替スプライシングを含む複雑なトランスクリプトモデルを有する生物学的RNA-seqデータセットにおいて、本手法は頑健な性能を示している。
• C++およびRでの実装により、大規模なRNA-seqデータの効率的処理が可能となり、ハイパーフィーチャー応用に適している。
• 本手法はBitSeqプロジェクトを通じて提供され、次の安定版Bioconductorリリースに統合される予定である。