[論文レビュー] Models for transcript quantification from RNA-Seq

Lior Pachter|arXiv (Cornell University)|Apr 19, 2011

Genomics and Phylogenetic Studies参考文献 48被引用数 112

ひとこと要約

本論文は、RNA-Seqトランスクリプト定量モデルの統一的枠組みを提示し、カウントベース、多項分布、ポアソン対数線形モデルといった多様な手法が最尤推定のもとで同一の相対的豊度推定値をもたらすことを示している。主な貢献は、これらのモデルが単一の一般モデルの特殊ケースであることを示し、それらの関係を明確にするとともに、異なる手法間での推定の一貫性を深く理解することを可能にしている。

ABSTRACT

RNA-Seq is rapidly becoming the standard technology for transcriptome analysis. Fundamental to many of the applications of RNA-Seq is the quantification problem, which is the accurate measurement of relative transcript abundances from the sequenced reads. We focus on this problem, and review many recently published models that are used to estimate the relative abundances. In addition to describing the models and the different approaches to inference, we also explain how methods are related to each other. A key result is that we show how inference with many of the models results in identical estimates of relative abundances, even though model formulations can be very different. In fact, we are able to show how a single general model captures many of the elements of previously published methods. We also review the applications of RNA-Seq models to differential analysis, and explain why accurate relative transcript abundance estimates are crucial for downstream analyses.

研究の動機と目的

• RNA-Seqにおけるトランスクリプト定量に用いられる多様なモデルの理論的関係を明確化すること。
• 形式が異なると思われるモデルが、最尤推定のもとで同一の相対的豊度推定値を生じることを示すこと。
• 既に発表済みのモデルを統合する、それらのコアな要素を捉えた単一の一般枠組みに統一すること。
• 相対的豊度推定の正確さが、その後続の差分発現解析において重要な意味を持つことを強調すること。
• バイアスモデリング、トランスクリプトームアセンブリ、ベンチマーク精度に関する未解決の課題を浮き彫りにすること。

提案手法

• 著者らは、複数の既存のモデルを特殊ケースとして含む一般統計モデルを、RNA-Seq用に構築した。
• 相対的トランスクリプト豊度推定における最尤推定において、多項分布モデルとポアソン対数線形モデルの同等性を確立した。
• マルチマッピングリード、フラグメント長、効果的トランスクリプト長補正といった特徴をフレームワークに組み込んだ。
• 配列特異的および位置バイアスを含むリードマッピングのバイアスをモデル化し、それらが豊度推定に与える影響を評価した。
• 既存の手法間の関係と特殊ケースを図示するために、階層的モデル構造（図1）を用いた。
• 豊度推定において、有効長（l̃t）ではなく全長（lt）を使用する影響を評価し、誤った長さを使用した場合に最大で30％の誤差が生じることを示した。

実験結果

リサーチクエスチョン

• RQ1 異なる数式表現を持つ多様なRNA-Seq定量モデルは、どのように関係しているのか？
• RQ2 多項分布モデルとポアソン対数線形モデルが、トランスクリプト豊度の最尤推定で同一の値をもたらす条件は何か？
• RQ3 リードマッピングのバイアスやフラグメント長の影響は、相対的豊度推定にどの程度及ぶか？
• RQ4 単一の一般モデルが、RNA-Seqにおける多様なトランスクリプト定量アプローチを統合できるか？
• RQ5 正確なトランスクリプトームアセンブリは、信頼性の高い相対的豊度推定において果たす役割は何か？

主な発見

• 数学的表現が異なる多数のRNA-Seq定量モデルが、最尤推定のもとで同一の相対的豊度推定値を生じる。
• 多項分布モデルとポアソン対数線形モデルは、RNA-Seqにおける相対的トランスクリプト豊度推定において、数学的に同等である。
• 豊度推定において、有効長（l̃t）ではなく全長（lt）を使用すると、相対的豊度推定に最大で30％の誤差が生じる。
• 本論文で提示された一般モデルは、多数の既存の発表済み手法を特殊ケースとして包含し、それらの挙動を説明できる。
• 特に配列特異的および位置バイアス補正を組み込むことで、RNA-SeqとqRT-PCRの測定値の整合性が向上する。
• 正確な相対的豊度推定は、完全で正確なトランスクリプトームアセンブリに強く依存しており、不完全なアセンブリは推定値にバイアスをもたらす。