[논문 리뷰] A deep generative model for single-cell RNA sequencing with application to detecting differentially expressed genes

Romain Lopez, Jeffrey Regier외 3명|arXiv (Cornell University)|2017. 10. 13.

Single-cell and spatial transcriptomics인용 수 6

한 줄 요약

이 논문은 신경망을 사용하여 저차원 잠재 변수로 유전자 발현을 모델링하고, 기술적 제로값을 추가 잠재 변수를 통해 보정하는 싱글셀 RNA-Seq를 위한 딥 생성 모델을 제안한다. 이 방법은 수백만 개의 세포를 초월하는 규모에서 확장 가능한 변분 추론을 가능하게 하며, ZIFA 및 ZINB-WaVE보다 더 나은 차등 발현 유전자 탐지 성능을 보이며, 배치 효과 보정 및 DESeq2를 능가하는 베이지안 가설 검정 프레임워크를 지원한다.

ABSTRACT

We propose a probabilistic model for interpreting gene expression levels that are observed through single-cell RNA sequencing. In the model, each cell has a low-dimensional latent representation. Additional latent variables account for technical effects that may erroneously set some observations of gene expression levels to zero. Conditional distributions are specified by neural networks, giving the proposed model enough flexibility to fit the data well. We use variational inference and stochastic optimization to approximate the posterior distribution. The inference procedure scales to over one million cells, whereas competing algorithms do not. Even for smaller datasets, for several tasks, the proposed procedure outperforms state-of-the-art methods like ZIFA and ZINB-WaVE. We also extend our framework to take into account batch effects and other confounding factors and propose a natural Bayesian hypothesis framework for differential expression that outperforms tradition DESeq2.

연구 동기 및 목표

• 생물학적 및 기술적 변동성을 포괄하는 확장 가능하고 유연한 확률 모델을 개발하여 싱글셀 RNA-seq 데이터를 분석한다.
• 기존 방법이 스케일하지 못하는 기술적 드롭아웃을 추가 잠재 변수를 통해 모델링하여 제로가 희박한 유전자 발현 데이터 문제를 해결한다.
• 기존 방법이 스케일하지 못하는 초거대 규모 데이터셋(100만 개 이상의 세포)에서도 효율적인 추론을 가능하게 한다.
• 기존 도구인 DESeq2보다 우수한 통계적 검정 성능을 보이는 베이지안 가설 검정 프레임워크를 도입하여 차등 발현 유전자 탐지 성능을 향상시킨다.
• 잠재 변수 구조에 배치 효과 및 기타 혼란 요인을 통합하여 모델을 확장함으로써 싱글셀 실험에서의 기술적 편향을 보정한다.

제안 방법

• 모델은 각 세포의 유전자 발현이 저차원 잠재 표현 기반으로 신경망을 통해 조건부 분포로 정의되는 딥 생성 프레임워크를 사용한다.
• 기술적 오류, 특히 허위로 나타나는 제로 발현 값의 발생을 모델링하기 위해 추가 잠재 변수를 도입한다.
• 잠재 변수의 사후분포를 근사하기 위해 변분 추론을 사용하여 스트로스틱 최적화를 통한 확장 가능한 학습을 가능하게 한다.
• 대규모 데이터셋에서 효율적인 최적화를 위해 스트로스틱 경사 하강 변분 추론을 사용하여 모델을 훈련한다.
• 잠재 변수 구조에 배치 효과 및 혼란 요인을 통합하여 프레임워크를 확장한다.
• 후행 예측 분포를 활용한 베이지안 가설 검정 프레임워크를 개발하여 통계적 추론을 수행한다.

실험 결과

연구 질문

• RQ1 신경망 기반 조건부 분포를 사용하는 딥 생성 모델은 싱글셀 RNA-seq 데이터의 복잡한 구조를 효과적으로 포착할 수 있는가?
• RQ2 ZINB-WaVE 및 ZIFA와 같은 기존 방법에 비해 모델은 제로가 희박한 발현 데이터를 얼마나 잘 처리하는가?
• RQ3 모델은 100만 개 이상의 세포를 포함하는 데이터셋에 얼마나 잘 스케일링되는가? 그리고 경쟁 방법과의 성능 비교는 어떠한가?
• RQ4 제안된 베이지안 프레임워크는 기존 도구인 DESeq2에 비해 통계적 검정력과 정확도 측면에서 더 뛰어나게 작동하는가?
• RQ5 모델은 생물학적 신호를 유지하면서도 기술적 편향을 효과적으로 보정하고, 혼란 요인을 보정할 수 있는가?

주요 결과

• 제안된 모델은 혼란 요인을 포함한 복잡한 실험 설계에서 DESeq2보다 더 나은 성능을 보이며, 차등 발현 유전자 탐지에 유의미한 개선을 이룬다.
• ZIFA 및 ZINB-WaVE와 달리, 100만 개 이상의 세포를 포함하는 데이터셋에 대해 효율적으로 스케일링 가능하다.
• 조건부 분포에 대한 신경망의 사용은 더 나은 데이터 피팅과 더 복잡한 유전자 발현 패턴의 정확한 모델링을 가능하게 한다.
• 후행 예측 분포 기반의 베이지안 가설 검정 프레임워크는 기존 방법보다 더 신뢰성 있고 강력한 차등 발현 유전자 탐지 성능을 제공한다.
• 기술적 제로값 모델링의 통합은 특히 저카피수 또는 노이즈가 많은 싱글셀 데이터에서 후속 분석의 강인성을 크게 향상시킨다.
• 모델은 배치 효과 및 혼란 요인을 효과적으로 보정하며, 생물학적 신호를 유지하면서도 유전자 발현 추론에서 기술적 오차를 줄인다.