[논문 리뷰] A Unified Statistical Framework for RNA Sequence Data from Individual Cells and Tissue

Lingxue Zhu, Jing Lei외 1명|arXiv (Cornell University)|2016. 09. 26.

Single-cell and spatial transcriptomics인용 수 4

한 줄 요약

이 논문은 단일세포 및 복합조직 RNA-seq 데이터를 통합적으로 분석하는 통합 계층 베이지안 모델을 제안하며, EM 및 깁스 샘플링을 사용한 경험 베이지안 추정을 통해 단일세포 데이터의 드롭아웃 사건을 명시적으로 모델링한다. 이 프레임워크는 유전자 발현 보정 및 세포 유형 분해에 기여하여 시뮬레이션 및 태반 뇌 데이터 적용에서 기존 방법들을 능가한다.

ABSTRACT

Recent advances in technology have enabled the measurement of RNA levels for individual cells. Compared to traditional tissue-level RNA-seq data, single cell sequencing yields valuable insights about gene expression profiles for different cell types, which is potentially critical for understanding many complex human diseases. However, developing quantitative tools for such data remains challenging because of high levels of technical noise, especially the events. A happens when the RNA for a gene fails to be amplified prior to sequencing, producing a false zero in the observed data. In this paper, we propose a unified statistical framework for both single cell and tissue RNA-seq data, formulated as a hierarchical model. Our framework borrows the strength from both data sources and carefully models the dropouts in single cell data, leading to a more accurate estimation of cell type specific gene expression profile. In addition, our model naturally provides inference on (i) the dropout entries in single cell data that need to be imputed for downstream analyses, and (ii) the mixing proportions of different cell types in tissue samples. We adopt an empirical Bayes approach, where parameters are estimated using the EM algorithm and approximate inference is obtained by Gibbs sampling. Simulation results illustrate that our framework outperforms existing approaches both in correcting for dropouts in single cell data, as well as in deconvolving tissue samples. We also demonstrate an application to gene expression data on fetal brains, where our model successfully imputes the dropout genes and reveals cell type specific expression patterns.

연구 동기 및 목표

• 단일세포 및 복합조직 RNA-seq 데이터를 통합하여 유전자 발현 분석을 향상시키는 통합 통계 프레임워크를 개발하는 것.
• 단일세포 RNA-seq에서 발생하는 드롭아웃 이벤트에 대응하는 것 — 이는 잘못된 영점 발현 값을 유도하고 정확한 프로파일링을 방해한다.
• 다양한 데이터 유형 간의 정보를 공유하여 세포 유형 특이적 유전자 발현 프로파일을 정확하게 추정하는 것.
• 후속 보정 분석을 위해 단일세포 데이터의 누락된(드롭아웃) 항목에 대한 원칙적인 추론을 제공하는 것.
• 단일세포 기반 프로파일을 사용하여 복합조직 샘플의 세포 유형 조성비를 분해하여 추정하는 것.

제안 방법

• 단일세포 및 복합조직 RNA-seq 데이터 간의 공통 매개변수를 공유하는 계층 베이지안 모델을 수립하여 추정을 향상시킨다.
• 계층적 구조 내에서 영점 희생 또는 드롭아웃 생성 과정을 사용하여 단일세포 데이터의 드롭아웃 사건을 명시적으로 모델링한다.
• 관측된 데이터를 두 소스에서 모두 활용하여 초모수의 경험 베이지안 추정을 위한 EM 알고리즘을 적용한다.
• 은닉 변수, 즉 드롭아웃 지표 및 세포 유형 비율에 대한 후행 추론을 위해 깁스 샘플링을 사용한다.
• 단일세포 데이터를 기반으로 하여 혼합 조직 샘플을 분해하고 세포 유형 조성비를 추론한다.
• 두 데이터 유형의 정보를 융합하여 드롭아웃 이벤트의 보정을 향상시키고 발현 프로파일 추정을 개선한다.

실험 결과

연구 질문

• RQ1 통합 통계 모델이 단일세포 및 복합조직 RNA-seq 데이터를 효과적으로 융합하여 유전자 발현 추정을 향상시킬 수 있는가?
• RQ2 복합조직 데이터의 정보를 활용하여 단일세포 RNA-seq 데이터의 드롭아웃 사건을 정확히 모델링하고 보정할 수 있는가?
• RQ3 통합 모델링 프레임워크가 복합조직 샘플의 세포 유형 비율 분해에 얼마나 향상시키는가?
• RQ4 제안된 프레임워크가 기존 방법보다 드롭아웃 이벤트 보정 및 진짜 유전자 발현 프로파일 복원에 뛰어나게 성능을 발휘하는가?
• RQ5 이 모델은 복잡한 조직, 예를 들어 태반 뇌에서 생물학적으로 의미 있는 세포 유형 특이적 발현 패턴을 드러낼 수 있는가?

주요 결과

• 모의 실험을 통해 제안된 프레임워크가 단일세포 RNA-seq 데이터의 드롭아웃 이벤트를 기존 방법보다 뚜렷하게 보정함을 입증하였다.
• 모델은 누락된(드롭아웃) 항목에 대한 정확한 추론을 가능하게 하여 후속 분석을 위한 신뢰할 수 있는 보정을 제공한다.
• 프레임워크는 복합조직 샘플의 세포 유형 비율을 성공적으로 분해하였으며, 기준 방법 대비 더 높은 정확도를 보였다.
• 태반 뇌 데이터에 적용한 결과, 모델은 효과적인 드롭아웃 유전자 보정을 통해 세포 유형 특이적 발현 패턴을 규명하였다.
• EM 및 깁스 샘플링을 활용한 경험 베이지안 추정이 복잡하고 고차원적인 데이터에 대해 강력하고 계산적으로 실현 가능한 추론을 가능케 하였다.
• 단일세포 및 복합조직 데이터의 통합 모델링은 각각을 별도로 분석하는 것보다 더 정밀한 유전자 발현 프로파일 추정을 가능케 하였다.