[論文レビュー] Removing System Noise from Comparative Genomic Hybridization Data by Self-Self Analysis

Yoon-ha Lee, Michael Ronemus+9 more|arXiv (Cornell University)|May 4, 2011

Genomic variations and chromosomal abnormalities参考文献 25被引用数 3

ひとこと要約

本稿では、単一のDNAサンプルを自身とハイブリダイズする自己対自己ハイブリダイゼーション（self-self hybridizations）を用いて、特徴値分解（Singular Value Decomposition, SVD）を適用することで、比較ゲノムハイブリダイゼーション（aCGH）データ内の技術的ノイズを低減するためのシステム正規化手法を提案する。この手法により、ノイズの特定と是正が可能となり、平均で7.0%の信号対ノイズ比の向上が達成され、90%のハイブリダイゼーションで信号品質が向上し、中央平均偏差（MAD）が低減した。

ABSTRACT

Genomic copy number variation (CNV) is a large source of variation between organisms, and its consequences include phenotypic differences and genetic disorders. CNVs are commonly detected by hybridizing genomic DNA to microarrays of nucleic acid probes. System noise caused by operational and probe performance variability complicates the interpretation of these data. To minimize the distortion of genetic signal by system noise, we have explored the latter in an archive of hybridizations in which no genetic signal is expected. This archive is obtained by comparative genomic hybridization (CGH) of a sample in one channel to the same sample in the other channel, or 'self-self' data. These self-self hybridizations trap a variety of system noise inherent in sample-reference (test) data. Through singular value decomposition (SVD) of self-self data, we have determined the principal components of system noise. Assuming simple linear models of noise generation, the linear correction of test data with self-self data -or 'system normalization'- reduces local and long-range correlations and improves signal-to-noise metrics, yet does not introduce detectable spurious signal. Using this method, 90% of hybridizations displayed improved signal-to-noise ratios with an average increase of 7.0%, due mainly to a reduced median average deviation (MAD). In addition, we have found that principal component loadings correlate with specific probe variables including array coordinates, base composition, and proximity to the 5' ends of genes. The correlation of the principal component loadings with the test data depends on operational variables, such as the temporal order of processing and the localization of individual samples within 96-well plates.

研究の動機と目的

• 比較ゲノムハイブリダイゼーション（aCGH）データに生じる技術的ばらつき（サンプル処理やプローブ性能に起因）に起因するシステムノイズを特定および特徴付けること。
• 技術的アーティファクトによる歪みを最小限に抑えつつ、真の生物学的シグナルを保持するノイズ補正手法を開発すること。
• テストデータにおけるシステムノイズのモデル化と是正を可能とする、自己対自己ハイブリダイゼーションを基準として用いた体系的正規化フレームワークを確立すること。
• ノイズ成分とプローブ固有の変数（例えば、アレイ座標、塩基組成、遺伝子位置）との関係を調査すること。
• 補正手法が偽陽性のコピー数変化を引き起こさず、実際のaCGH実験において信号対ノイズ指標が向上することを検証すること。

提案手法

• 同じDNAサンプルをマイクロアレイの両チャネルにハイブリダイズすることで自己対自己aCGHデータを収集し、生物学的シグナルが存在しないがすべてのシステムノイズを含むコントロールデータセットを構築する。
• 自己対自己データに特徴値分解（SVD）を適用し、支配的ノイズパターンを表す主成分を抽出する。
• ノイズ生成が単純な線形プロセスに従うものと仮定し、システムノイズをこれらの主成分の線形結合としてモデル化する。
• 特定されたノイズ成分を用いて、プローブ固有および運用上のノイズ源を補正する線形的手法（システム正規化）によりテストaCGHデータを是正する。
• 主成分の重み係数とプローブレベルの変数（例：アレイ座標、GC含量、遺伝子の5'末端への近接度）を相関させ、ノイズ発生源の理解を深める。
• 補正の効果を、補正前後における信号対ノイズ指標（中央平均偏差（MAD）など）を用いて評価する。

実験結果

リサーチクエスチョン

• RQ1 自己対自己ハイブリダイゼーションコントロールを用いることで、aCGHデータ内のシステムノイズをどの程度モデル化・除去できるか？
• RQ2 GC含量やゲノム位置などのプローブ固有の特徴が、支配的ノイズ成分とどの程度相関するか？
• RQ3 提案されたシステム正規化手法は、偽陽性のコピー数変化を引き起こさずに信号対ノイズ比を向上させるか？
• RQ4 サンプル処理の時系列順序や96ウェルプレート内でのサンプル配置が、aCGHデータのノイズパターンにどのように影響するか？
• RQ5 自己対自己データの主成分から得られるノイズ成分は、複数のハイブリダイゼーションにわたって実際のテストデータの是正に信頼性を持って応用可能か？

主な発見

• 自己対自己データを用いたシステム正規化により、90%のハイブリダイゼーションで信号対ノイズ比が向上し、平均で7.0%の向上が達成された。
• 主な向上要因は中央平均偏差（MAD）の低減であり、是正後のデータのばらつきが低下したことを示している。
• ノイズの主成分重み係数は、アレイ座標、GC含量、遺伝子の5'末端への近接度といったプローブ固有の変数と有意に相関していた。
• ノイズパターンは、処理順序や96ウェルプレート内でのサンプル配置といった運用変数の影響を受けていた。
• 補正手法は検出可能な偽のシグナルを引き起こさず、真の生物学的変異を保持する信頼性の高さが確認された。
• 自己対自己データのSVDにより、システムノイズの支配的要因が効果的に捉えられ、テストデータの正確な線形是正が可能となった。