[논문 리뷰] Robustly detecting differential expression in RNA sequencing data using observation weights

Xiaobei Zhou, Helen Lindsay외 1명|arXiv (Cornell University)|2013. 12. 12.

Gene expression and cancer classification참고 문헌 38인용 수 9

한 줄 요약

이 논문은 RNA-seq 데이터에 대한 강건한 차등 발현 분석 방법을 제안하며, 관측치 가중치를 사용하여 이방성 관측치의 영향을 감소시켜 극단치에 대한 저항성을 높이고 통계적 검정력을 손상시키지 않도록 한다. 이 방법은 edgeR과 같은 기존 프레임워크에 통합되어 시뮬레이션과 실제 데이터에서 뛰어난 성능을 보이며, 다양한 이방성 조건 하에서도 거짓 발견률을 감소시키면서도 높은 검정력을 유지한다.

ABSTRACT

A popular approach for comparing gene expression levels between (replicated) conditions of RNA sequencing data relies on counting reads that map to features of interest. Within such count-based methods, many flexible and advanced statistical approaches now exist and offer the ability to adjust for covariates (e.g., batch effects). Often, these methods include some sort of (sharing of information) across features to improve inferences in small samples. It is important to achieve an appropriate tradeoff between statistical power and protection against outliers. Here, we study the robustness of existing approaches for count-based differential expression analysis and propose a new strategy based on observation weights that can be used within existing frameworks. The results suggest that outliers can have a global effect on differential analyses. We demonstrate the effectiveness of our new approach with real data and simulated data that reflects properties of real datasets (e.g., dispersion-mean trend) and develop an extensible framework for comprehensive testing of current and future methods. In addition, we explore the origin of such outliers, in some cases highlighting additional biological or technical factors within the experiment. Further details can be downloaded from the project website: http://imlspenticton.uzh.ch/robinson_lab/edgeR_robust/

연구 동기 및 목표

• 기존의 카운트 기반 차등 발현 분석 방법이 RNA-seq 데이터의 이방성 관측치에 민감한 문제를 해결하기 위해.
• 극단치 관측치의 영향을 줄이되 검정력 손실 없이 강건한 통계적 프레임워크를 개발하기 위해.
• 실제 조건을 반영한 환경에서 DE 방법을 평가하고 비교하기 위한 확장 가능한 시뮬레이션 시스템을 제공하기 위해.
• 다양한 이방성 처리 전략(예: 최대 분산, 쿡의 거리, 부드러운 가중치 감소)이 분산 추정 및 거짓 발견률 통제에 미치는 영향을 조사하기 위해.
• edgeR과 같은 기존 도구에 통합되어 실용적 적용이 가능하도록 하기 위해.

제안 방법

• 이 방법은 우도 기여도에서 극단적인 카운트의 영향을 줄이기 위해 관측치 가중치를 도입하여 모수 추정에 미치는 영향을 감소시킨다.
• edgeR에서 사용하는 음이이분포 모델 프레임워크 내에서 재가중치 조정 전략을 적용하여 분산 및 로그 오즈 비율 추정을 수정한다.
• 이 방법은 이방성 관측치의 영향을 부드럽게 감소시키는 강건한 추정 전략을 사용하며, 경계 기준이나 기능의 완전한 제거를 피한다.
• 실제 분산-평균 추세를 기반으로 카운트 데이터를 생성할 수 있는 확장 가능한 시뮬레이션 시스템을 개발하여 이방성을 제어적으로 도입하고 차등 발현을 조절할 수 있다.
• 일관된 입력/출력 형식을 갖춘 표준화된 워퍼 함수를 통해 새로운 또는 수정된 방법의 플러그인 평가를 지원하는 프레임워크를 제공한다.
• 다양한 시뮬레이션 설정에서 방법 성능을 시각화하고 비교할 수 있도록 상호작용형 Shiny 웹 애플리케이션을 제공한다.

실험 결과

연구 질문

• RQ1 RNA-seq 카운트 데이터의 이방성 관측치가 edgeR, DESeq와 같은 기존 방법의 차등 발현 추론에 어떤 영향을 미치는가?
• RQ2 관측치 가중치 도입이 이방성에 대한 강건성을 향상시키면서도 높은 통계적 검정력을 유지할 수 있는가?
• RQ3 최대 분산, 쿡의 거리, 또는 부드러운 가중치 감소와 같은 다양한 이방성 처리 전략이 거짓 발견률과 검정력에 어떤 영향을 미치는가?
• RQ4 이방성이 존재할 경우 기존 방법들이 거짓 발견률을 얼마나 잘 통제하는가? 이를 향상시킬 수 있는가?
• RQ5 제안된 재가중치 프레임워크는 기존 DE 분석 파이프라인에 얼마나 일반화되고 통합될 수 있는가?

주요 결과

• RNA-seq 데이터의 이방성 관측치는 분산 추정을 전반적으로 왜곡시키며, 특히 분산 조정을 사용하는 edgeR와 같은 방법에서 과도한 거짓 발견률을 초래할 수 있다.
• 관측치 가중치 접근법은 극단치 관측치가 모수 추정에 미치는 영향을 크게 감소시켜 더 신뢰할 수 있는 차등 발현 호출을 가능하게 한다.
• 이 방법은 이방성이 존재하더라도 비강건한 대안과 비교해 거의 손실이 없는 높은 통계적 검정력을 유지한다.
• DESeq의 최대 분산 추정 사용은 강건하지만 보수적인 편이며, DESeq2가 이방성 기능을 제거하기 위해 쿡의 거리를 사용하는 것은 진정으로 차등 발현이 있는 기능의 경우 검정력 손실을 초래한다.
• 시뮬레이션 프레임워크는 실제 데이터의 특성, 특히 분산-평균 추세를 성공적으로 재현하며, DE 방법에 대한 종합적이고 재현 가능한 평가를 가능하게 한다.
• 재가중치 전략은 하드 제거 및 전체 우도 접근 방식보다 다양한 시뮬레이션 설정에서 강건성과 검정력의 균형을 더 잘 달성한다.