[논문 리뷰] Fast Approximate Inference of Transcript Expression Levels from RNA-seq Data

James Hensman, Peter Glaus외 2명|arXiv (Cornell University)|2013. 08. 27.

Molecular Biology Techniques and Applications참고 문헌 16인용 수 3

한 줄 요약

이 논문은 최근 알고리즘적 발전을 활용하여 RNA-seq 데이터로부터 전사체 발현 수준을 추정하기 위한 빠른 변분 베이지안 추론 방법을 제안한다. 기존의 변분 기대최대화(EM) 방법을 초월해 수렴 속도를 향상시켜 계산 비용을 크게 절감하면서도 추정 정확도의 손실를 최소화하였다. 시뮬레이션 데이터와 생물학적 데이터를 바탕으로 검증된 결과, 이 방법은 매우 빠른 속도를 확보하면서도 높은 정확도를 유지도한다.

ABSTRACT

Motivation: The mapping of RNA-seq reads to their transcripts of origin is a fundamental task in transcript expression estimation and differential expression scoring. Where ambiguities in mapping exist due to transcripts sharing sequence, e.g. alternative isoforms or alleles, the problem becomes an instance of non-trivial probabilistic inference. Bayesian inference in such a problem is intractable and approximate methods must be used such as Markov chain Monte Carlo (MCMC) and Variational Bayes. Standard implementations of these methods can be prohibitively slow for large datasets and complex gene models. Results: We propose an approximate inference scheme based on Variational Bayes applied to an existing model of transcript expression inference from RNA-seq data. We apply recent advances in Variational Bayes algorithmics to improve the convergence of the algorithm beyond the standard variational expectation-maximisation approach. We apply our algorithm to simulated and biological datasets, demonstrating that the increase in speed requires only a small trade-off in accuracy of expression level estimation. Availability: The methods were implemented in R and C++, and are available as part of the BitSeq project at https://code.google.com/p/bitseq/. The methods will be made available through the BitSeq Bioconductor package at the next stable release.

연구 동기 및 목표

• RNA-seq 데이터로부터 전사체 발현 추정에서 정확한 베이지안 추론의 계산 비용 문제를 해결하기 위해.
• 기존의 변분 베이지안 방법의 속도를 향상시키되, 추정 정확도를 희생시키지 않기 위해.
• 최근의 변분 추론 알고리즘 발전을 활용하여, 서열의 모호성이 있는 복잡한 유전자 모델에서 수렴 속도를 향상시키기 위해.
• 대규모 RNA-seq 데이터셋에서 병행형 이소형태 또는 대립형질을 포함한 분석을 스케일러블하게 가능하게 하기 위해.
• 고속 유전체 분석에 적합한 실용적이고 효율적인 도구를 제공하기 위해.

제안 방법

• 이 방법은 기존의 RNA-seq 데이터로부터 전사체 발현을 모델링한 기반 모델에 변분 베이지안 추론 프레임워크를 적용한다.
• 기존의 표준 변분 기대최대화(VEM) 방법을 초월해 수렴 속도를 향상시키기 위해 최근의 알고리즘 개선 기법을 통합한다.
• 전사체 간 공통 서열로 인한 매핑의 모호성(예: 병행형 이소형태 또는 대립형질)을 처리하는 추론 절차를 포함한다.
• 성능이 중요한 컴포넌트는 R과 C++로 구현되어 있어 대규모 데이터셋에서도 효율적인 처리를 보장한다.
• 전사체 발현 수준에 대한 사후 분포 추론을 단순화하기 위해 평균장 변분 근사법을 사용한다.
• 이 방법은 BitSeq 소프트웨어 프로젝트에 통합되어 Bioconductor 패키지를 통해 제공될 예정이다.

실험 결과

연구 질문

• RQ1 변분 베이지안 추론가 충분히 빠르게 개선되어 대규모 RNA-seq 데이터셋에 대한 전사체 발현 추정을 실현 가능하게 할 수 있는가?
• RQ2 복잡한 유전자 모델에서 제안된 방법의 수렴 속도는 기존의 표준 변분 EM에 비해 어떻게 다른가?
• RQ3 전사체 발현 정량에서 계산 속도와 추정 정확도 사이의 상호 상충 관계는 어떠한가?
• RQ4 더 빠른 수렴에도 불구하고, 이 방법이 높은 정확도를 유지할 수 있는가?
• RQ5 이 방법은 복잡한 전사체 구조를 포함한 실제 생물학적 데이터셋에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 표준 변분 기대최대화(VEM)에 비해 상당한 속도 향상을 보이며, 전사체 발현 추정에서 높은 정확도를 유지한다.
• 최근의 변분 추론 알고리즘 발전 덕분에 알고리즘이 기존 기준보다 더 빠르게 수렴한다.
• 시뮬레이션 데이터에서, 이 방법은 느린 정확한 추정 또는 MCMC 기반 접근법에 비해 추정 정확도가 약간 낮게 나타났다.
• 병행형 이소형태를 포함한 복잡한 전사체 모델을 가진 생물학적 RNA-seq 데이터셋에서도 이 방법은 뛰어난 성능을 보였다.
• C++와 R로 구현된 이 방법은 대규모 RNA-seq 데이터의 효율적 처리를 가능하게 하여 고속 유전체 분석에 적합하다.
• 이 방법은 BitSeq 프로젝트를 통해 제공되며, 다음 안정 버전의 Bioconductor에 통합될 예정이다.