[논문 리뷰] P-value evaluation, variability index and biomarker categorization for adaptively weighted Fisher's meta-analysis method in omics applications

Zhiguang Huo, Shaowu Tang외 2명|arXiv (Cornell University)|2017. 08. 16.

Gene expression and cancer classification참고 문헌 25인용 수 3

한 줄 요약

이 논문은 유전체 분석에서 적응형 가중치를 사용한 파이저 메타분석(AW-Fisher)의 빠르고 정확한 p-값 계산과 변동성 지표를 제안한다. 중요도 표본추출과 스퍼인 보간을 통해 확장성을 향상시키며, 복수의 연구에서 생물학적으로 의미 있는 메타패턴을 식별할 수 있도록 리샘플링 기반의 바이오마커 분류 방법을 도입하였다. HIV 및 대사 데이터셋에서 검증된 결과, 통계적 검정력과 생물학적 해석 가능성 향상이 확인되었다.

ABSTRACT

Meta-analysis methods have been widely used to combine results from multiple clinical or genomic studies to increase statistical power and ensure robust and accurate conclusion. Adaptively weighted Fisher's method (AW-Fisher) is an effective approach to combine p-values from $K$ independent studies and to provide better biological interpretation by characterizing which studies contribute to meta-analysis. Currently, AW-Fisher suffers from lack of fast, accurate p-value computation and variability estimate of AW weights. When the number of studies $K$ is large, the $3^K - 1$ possible differential expression pattern categories can become intractable. In this paper, we apply an importance sampling technique with spline interpolation to increase accuracy and speed of p-value calculation. Using resampling techniques, we propose a variability index for the AW weight estimator and a co-membership matrix to characterize pattern similarities between genes. The co-membership matrix is further used to categorize differentially expressed genes based on their meta-patterns for further biological investigation. The superior performance of the proposed methods is shown in simulations. These methods are also applied to two real applications to demonstrate intriguing biological findings.

연구 동기 및 목표

• 적응형 가중치를 사용한 파이저 메타분석(AW-Fisher)에서 빠르고 정확한 p-값 계산 및 변동성 추정의 부족을 해결하며, 특히 연구 수(K)가 클 경우에 유의미하게 적용 가능하도록 한다.
• K가 클 경우 3^K - 1개의 차별적 발현 패턴 카테고리의 전수 열거가 계산적으로 불가능한 문제를 해결한다.
• 리샘플링 기법(예: 비모수적 부트스트랩)을 활용해 AW-가중치 추정치의 안정성 평가를 위한 변동성 지표를 개발한다.
• 리샘플링된 유전자 집합에서 공통 소속 행렬을 구성하고, 이를 기반으로 연구 간 메타패턴이 유사한 유전자들을 군집화하여 차별적 발현 패턴 기반으로 유전자 모듈을 분류한다.
• 일관된, 이질적인, 또는 지역 특이적 발현 패턴을 보이는 유전자 모듈을 식별함으로써 생물학적으로 해석 가능한 메타분석을 가능하게 한다.

제안 방법

• 중요도 표본추출과 스퍼인 보간을 활용해 AW-Fisher의 p-값 계산 속도를 높이고 정확도를 향상시켜 계산 비용이 큰 순열 기반 방법에 의존하지 않도록 한다.
• 보간된 분위수와 중요도 표본추출을 활용해 최적의 적응형 가중치를 선형 복잡도로 탐색하는 알고리즘을 구현한다.
• 리샘플링 기법(예: 비모수적 부트스트랩)을 사용해 AW 가중치의 변동성 지표를 개발하여 가중치 추정치의 불확실성을 정량화한다.
• 리샘플링된 유전자 집합에서 유사한 메타패턴을 보이는 유전자 쌍 간의 유사도를 측정하기 위해 공통 소속 행렬을 구성한다.
• 공통 소속 행렬에 대해 강력한 군집화 기법을 적용하여 유사한 차별적 발현 패턴(예: 전부 상향, 일부 상향, 반대 방향)을 보이는 유전자들을 모듈로 군집화한다.
• 식별된 생물학적 모듈에 대해 경로 부 enrichment 분석을 적용하여 메타패턴의 기능적 의미를 해석한다.

실험 결과

연구 질문

• RQ1 중요도 표본추출과 스퍼인 보간을 통해 순열에 의존하지 않고도 AW-Fisher의 p-값 계산 속도와 정확도를 크게 향상시킬 수 있는가?
• RQ2 적응형 가중치의 변동성을 어떻게 정량화할 수 있을까? 이를 통해 메타분석에서 각 연구의 가중치 추정치 신뢰도를 평가할 수 있는가?
• RQ3 리샘플링 기반의 공통 소속 행렬이 복수의 연구에서 생물학적으로 의미 있는 유전자 모듈을 효과적으로 식별할 수 있는가?
• RQ4 제안된 방법들이 실제 옴믹스 데이터셋에서 일관된, 이질적, 또는 지역 특이적 발현 신호를 드러내어 생물학적 해석 가능성을 향상시키는가?
• RQ5 새로운 계산 및 분류 도구를 갖춘 AW-Fisher 방법이 HIV 영향을 받는 뇌 영역이나 대사 프로파일과 같은 복잡한 데이터셋에서 의미 있는 생물학적 패턴을 탐지할 수 있는가?

주요 결과

• 중요도 표본추출과 스퍼인 보간 기법을 통해 빠르고 정확한 p-값 계산이 가능해져, K > 10인 대규모 옴믹스 응용 분석에 있어 AW-Fisher의 실현 가능성이 확보되었다.
• 변동성 지표는 적응형 가중치의 불확실성을 성공적으로 정량화하였으며, 저표본 크기 또는 높은 이질성 상황에서의 불안정한 가중치 추정치를 드러내었다.
• HIV 뇌 RNA-seq 데이터셋에서 30% FDR 기준으로 145개의 차별적 발현 유전자를 식별하였고, 바이오마커 분류 결과 세 가지의 명확한 메타패턴이 확인되었다: 모든 영역에서 상향 조절(모듈 i), 모든 영역에서 하향 조절(모듈 ii), 지역 특이적 조절(모듈 iii).
• 모듈 i는 바이러스 반응 경로(GO RESPONSE TO VIRUS, p = 1.59×10⁻³)에서 유의미하게 enrich되어 있어 결과의 생물학적 타당성을 뒷받침한다.
• 모듈 ii는 리듬성 과정(GO RHYTHMIC PROCESS, p = 6.23×10⁻⁴)에서 enrich되어 있었으며, HIV에 의한 뇌 영역 전반의 생체 리듬 조절 장애를 시사한다.
• 모듈 iii는 대뇌 피질 및 척수 발달(GO FOREBRAIN DEVELOPMENT, p = 2.82×10⁻³; GO TELENCEPHALON DEVELOPMENT, p = 2.84×10⁻⁴)에서 enrich되어 있었고, 해마에서는 하향 조절, 전두엽 및 스틱스 영역에서는 상향 조절이 관찰되어 HIV에 의한 지역 특이적 반응을 시사한다.