[논문 리뷰] Estimating Clonality

Yi Liu, Andrew Fire외 2명|arXiv (Cornell University)|2014. 08. 06.

Genomics and Phylogenetic Studies참고 문헌 5인용 수 6

한 줄 요약

이 논문은 면역 반응체나 미생물군집과 같은 인구집단에서 상대 빈도의 이차 기능인 클론성(clonality)을 추정하기 위해 새로운 경험 베이즈 및 재표집 기반 방법을 제안한다. 다양한 깊이의 복제 시퀀싱 라이브러리가 사용되며, 기존 추정기 대비 평균 제곱 오차(MSE)를 98% 이상 감소시켜, 기저 빈도 분포가 잘 알려져 있지 않은 경우에도 정확한 클론성 추정이 가능하게 한다.

ABSTRACT

Challenges of assessing complexity and clonality in populations of mixed species arise in diverse areas of modern biology, including estimating diversity and clonality in microbiome populations, measuring patterns of T and B cell clonality, and determining the underlying tumor cell population structure in cancer. Here we address the problem of quantifying populations, with our analysis directed toward systems for which previously defined algorithms allow the sequence-based identification of clonal subpopulations. Data come from replicate sequencing libraries generated from a sample, potentially with very different depths. While certain properties of the underlying clonal distribution (most notably the total number of clones) are difficult to estimate accurately from data representing a small fraction of the total population, the population-level "clonality" metric that is the sum of squared probabilities of the respective species can be calculated. (This is the sum of squared entries of a high-dimensional vector $p$ of relative frequencies.) The clonality score is the probability of a clonal relationship between two randomly chosen members of the population of interest. A principal takeaway message is that knowing a functional of $p$ well may not depend on knowing $p$ itself very well. Our work has led to software, which we call {\it lymphclon}; it has been deposited in the CRAN library.

연구 동기 및 목표

• 기본 빈도 분포가 알려져 있지 않고 부분적인 시퀀싱 데이터만 확보된 생물학적 인구집단에서 클론성을 추정하는 데 도전하는 것.
• 변동하는 라이브러리 깊이와 PCR 증폭 편향이 존재하는 상황에서도 기존 클론성 추정기의 성능을 향상시키는 것.
• 정확한 전반적인 빈도 벡터의 지식이 없이도 상대 빈도의 이차 기능인 지니-심프슨 지수(클론성)를 정확하게 추정할 수 있는 방법을 개발하는 것.
• 고차원적이고 희박한 시퀀싱 데이터(면역세포 또는 미생물 공동체에서 유래)에 적합한 통계적으로 타당하고, 편향이 적고 분산이 작은 추정기 개발

제안 방법

• 클론 간의 강도를 공유함으로써 분산을 감소시키기 위해 경험 베이즈 추정을 활용하여 클론성 추정의 분산을 수축시키며, 빈도 데이터의 계층적 모델링을 적용한다.
• 소표본 또는 고희박한 상황에서 초기 클론성 추정기의 편향을 보정하기 위해 재표집(jackknife)을 적용한다.
• 다섯 단계 추정기 프레임워크를 사용한다: (1) 복제 라이브러리에서 초기 클론성 추정치 계산, (2) 이 추정치들의 공분산 행렬 추정, (3) 공분산 행렬 정규화, (4) 정규화된 공분산 행렬의 역행렬을 사용해 최적의 선형 무편향 추정기(BLUE) 공식 적용, (5) 최종 추정기 함수를 통해 결과 통합.
• 변동하는 라이브러리 깊이와 증폭 편향을 갖는 현실적인 시퀀싱 데이터를 시뮬레이션하기 위해 클론 빈도를 파레토-포isson 생성 과정으로 모델링한다.
• 빈도 행렬의 역행렬 안정화를 위해 정규화를 통합하여, 클론 수가 복제 수를 초과하는 경우에도 견고한 추정이 가능하도록 한다.
• CRAN에 공개된 R 패키지 lymphclon에 구현되어 있으며, 혼합 클론성 추정 및 라이브러리 간 일관성 검증 기능을 제공한다.

실험 결과

연구 질문

• RQ1 기본 빈도 벡터가 부분적으로 관측되고 매우 희박한 경우에도 클론성을 정확히 추정할 수 있는가?
• RQ2 서로 다른 시퀀싱 깊이를 갖는 복제 라이브러리가 존재할 때, 클론성 추정의 편향과 분산을 동시에 줄일 수 있는가?
• RQ3 기존 방법 대비 경험 베이즈와 재표집 기법이 클론성 추정기의 평균 제곱 오차를 얼마나 향상시킬 수 있는가?
• RQ4 정확한 확률 벡터 자체를 추정하지 않고도 고차원 확률 벡터의 이차 기능(예: 클론성)을 추정할 수 있는가?
• RQ5 실제 시뮬레이션 시나리오에서 제안된 추정기의 성능은 Parameswaran 등(2013)이 제시한 최신 기준 추정기와 비교해 어떻게 되는가?

주요 결과

• 제안된 추정기는 기존에 알려진 최고의 추정기(Parameswaran 등, 2013) 대비 클론성 추정의 평균 제곱 오차를 98% 이상 감소시킨다.
• 진정한 빈도 분포가 잘 알려져 있지 않은 경우에도 높은 정확도를 달성하여, 기저 확률 벡터를 정확히 알지 못하더라도 기능(클론성)의 정확한 추정이 가능함을 보여준다.
• 재표집 기법은 특히 라이브러리 깊이가 불균형하고 PCR 증폭 오류가 존재하는 경우에 편향을 효과적으로 감소시킨다.
• 공분산 행렬의 정규화는 행렬의 역행렬을 안정적으로 수행하고, 클론 수가 복제 수를 초과하는 경우에도 추정 성능을 향상시킨다.
• 파워-법칙(지프) 분포와 같이 면역 반응체에서 흔한 다양한 클론 빈도 분포에 대해 견고하게 성능을 유지한다.
• lymphclon R 패키지는 메서드를 성공적으로 구현하였으며, CRAN에 공개되어 있어 면역학적 및 미생물군집 연구에서 재현 가능하고 확장 가능한 클론성 추정을 가능하게 한다.