[論文レビュー] A deep generative model for single-cell RNA sequencing with application to detecting differentially expressed genes

Romain Lopez, Jeffrey Regier+3 more|arXiv (Cornell University)|Oct 13, 2017

Single-cell and spatial transcriptomics被引用数 6

ひとこと要約

本論文は、低次元の潜在変数を用いて遺伝子発現をモデル化し、技術的ゼロを別個の潜在変数で扱うニューラルネットワークを用いた単細胞RNA-Seqのための深層生成モデルを提案する。この手法により、100万個を超える細胞にわたるスケーラブルな変分推論が可能となり、ZIFA や ZINB-WaVE よりも差別的発現遺伝子の検出性能が優れている。また、バッチ効果補正と DESeq2 を上回るベイズ的仮説検定フレームワークのサポートも可能である。

ABSTRACT

We propose a probabilistic model for interpreting gene expression levels that are observed through single-cell RNA sequencing. In the model, each cell has a low-dimensional latent representation. Additional latent variables account for technical effects that may erroneously set some observations of gene expression levels to zero. Conditional distributions are specified by neural networks, giving the proposed model enough flexibility to fit the data well. We use variational inference and stochastic optimization to approximate the posterior distribution. The inference procedure scales to over one million cells, whereas competing algorithms do not. Even for smaller datasets, for several tasks, the proposed procedure outperforms state-of-the-art methods like ZIFA and ZINB-WaVE. We also extend our framework to take into account batch effects and other confounding factors and propose a natural Bayesian hypothesis framework for differential expression that outperforms tradition DESeq2.

研究の動機と目的

• 生物学的および技術的ばらつきを捉えるスケーラブルで柔軟な確率的モデルを構築すること。
• 技術的ドロップアウトを別個の潜在変数でモデル化することで、ゼロ過剰な遺伝子発現データの課題に対処すること。
• 従来の手法がスケーリングに失敗する100万個を超える大規模データセットにおいても、効率的な推論を可能にすること。
• 従来のツール（DESeq2など）を上回る統計的パワーと正確性を実現するベイズ的仮説検定フレームワークを導入することで、差別的発現遺伝子検出の性能を向上させること。
• バッチ効果やその他の交絡要因を考慮したモデルの拡張により、単細胞実験における技術的バイアスの補正を可能にすること。

提案手法

• 各細胞の遺伝子発現は、低次元の潜在表現に基づいてニューラルネットワークを用いた条件付き分布によって記述される、深層生成フレームワークを採用する。
• 特に不審なゼロ発現値の発生をモデル化するため、追加の潜在変数を導入する。
• 潜在変数の事後分布を近似するために変分推論を用い、確率的最適化によるスケーラブルな学習を実現する。
• 大規模データセットにおける効率的最適化を可能にするために、確率的勾配変分推論を用いてモデルを訓練する。
• 潜在変数構造にバッチ効果と交絡要因を組み込むことで、フレームワークを拡張する。
• 事後予測分布を活用した統計的推論に基づく、差別的発現のためのベイズ的仮説検定フレームワークを開発する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークに基づく条件付き分布を用いた深層生成モデルは、単細胞RNA-seqデータの複雑な構造を効果的に捉えることができるか？
• RQ2 ZINB-WaVE や ZIFA と比較して、本モデルはゼロ過剰な発現データをどの程度うまく処理できるか？
• RQ3 本モデルは100万個を超えるデータセットにどの程度スケーリング可能であり、競合手法と比較して性能はどうか？
• RQ4 提案されたベイズ的フレームワークは、従来のツール（DESeq2など）に比べ、統計的パワーと正確性の面で優れているか？
• RQ5 生物学的信号を保持しながら、バッチ効果や交絡要因を効果的に補正できるか？

主な発見

• 本モデルは、交絡要因を含む複雑な実験設計において、DESeq2 よりも優れた性能で差別的発現遺伝子を検出している。
• ZIFA や ZINB-WaVE が対応できない100万個を超えるデータセットに対しても、本モデルは効率的にスケーリング可能である。
• 条件付き分布にニューラルネットワークを用いることで、より良いデータフィットと複雑な遺伝子発現パターンの正確なモデリングが可能になった。
• 事後予測分布に基づくベイズ的仮説検定フレームワークは、従来の手法よりも信頼性が高く、より強力な差別的発現遺伝子検出を実現している。
• 技術的ゼロのモデリングを組み込むことで、低カバレッジやノイズの多い単細胞データにおいても、下流解析のロバスト性が著しく向上した。
• 本モデルはバッチ効果や交絡要因を効果的に補正し、生物学的信号を保持しながら技術的アーチファクトを低減している。