[论文解读] Biological Profiling of Gene Groups utilizing Gene Ontology

Nils Blüthgen, Karsten Brand+4 more|PubMed|Jul 26, 2004

Bioinformatics and Genomic Networks参考文献 19被引用 202

一句话总结

本文提出 GOSSIP，一种基于解析错误发现率（FDR）校正的统计框架，用于在高通量实验的基因群组中识别具有生物显著性的基因本体（GO）术语。通过精确计算校正后的p值，该方法在敏感性和计算效率方面优于重采样和标准多重检验校正方法，实现了对基因列表的稳健、自动化生物特征分析，且假阳性结果极少。

ABSTRACT

Increasingly used high throughput experimental techniques, like DNA or protein microarrays give as a result groups of interesting, e.g. differentially regulated genes which require further biological interpretation. With the systematic functional annotation provided by the Gene Ontology the information required to automate the interpretation task is now accessible. However, the determination of statistical significance of a biological process within these groups is still an open question. In answering this question, multiple testing issues must be taken into account to avoid misleading results. Here we present a statistical framework that tests whether functions, processes or locations described in the Gene Ontology are significantly enriched within a group of interesting genes when compared to a reference group. First we define an exact analytical expression for the expected number of false positives that allows us to calculate adjusted p-values to control the false discovery rate. Next, we demonstrate and discuss the capabilities of our approach using publicly available microarray data on cell-cycle regulated genes. Further, we analyze the robustness of our framework with respect to the exact gene group composition and compare the performance with earlier approaches. The software package GOSSIP implements our method and is made freely available at http://gossip.gene-groups.net/.

研究动机与目标

• 解决高通量基因群组研究中因多重检验导致的假阳性问题。
• 开发一种计算高效的替代方法，用于基于重采样的多重检验校正，以确定GO术语的显著性。
• 提供一种可靠、解析的方法，用于计算控制GO特征分析中错误发现率（FDR）的校正p值。
• 评估该方法在不同基因群组组成下的稳健性，包括随机添加基因的情况。
• 实现对基因群组的准确、自动化生物解释，超越单基因分析的范畴。

提出的方法

• 该方法使用精确的解析表达式，计算所有测试GO术语中预期的假阳性数量，从而实现对FDR的精确控制。
• 针对每个GO术语，构建一个2×2列联表，比较测试组与参考组中与该术语相关的基因数量。
• 采用解析FDR方法计算校正后的p值，避免了重采样的计算负担，同时保持了高精度。
• 该框架通过考虑父级术语的隐含注释，对基因本体DAG的层次结构进行了处理。
• 该方法已实现于开源软件包GOSSIP中，网址为 http://gossip.gene-groups.net/。
• 通过迭代向测试组中添加随机基因并监测模拟中术语的持续存在性，对方法的稳健性进行了测试。

实验结果

研究问题

• RQ1 解析方法能否在GO富集分析中提供比重采样更准确且更快的FDR校正？
• RQ2 当向测试组中添加随机基因时，该方法的表现如何，表明其对群组组成变化的敏感性？
• RQ3 与标准多重检验校正方法（如Benjamini-Hochberg和Benjamini-Yekutieli）相比，该方法在统计功效和精确度方面是否表现更优？
• RQ4 该框架能否可靠地识别出功能相关的GO术语，而不会报告无关或虚假的关联？
• RQ5 在基因列表受到噪声或扰动时，该方法在多大程度上能保持对高度显著术语的检测能力？

主要发现

• GOSSIP中的解析FDR校正产生的校正p值与重采样模拟结果同样可靠，但耗时仅数秒而非数小时。
• 该方法计算出的校正p值与单次检验的p值相比，差异可超过10,000倍，凸显了正确进行多重检验校正的必要性。
• 发现Benjamini-Yekutieli方法过于保守，其校正p值比实际所需高出2至6倍，降低了统计功效。
• 由于在控制FDR方面表现不佳，Benjamini-Hochberg估计法在本研究特定应用中被认为不可靠。
• 即使在添加500个随机基因后，高度显著的GO术语（如DNA代谢，FDR = 5.2×10⁻⁸）在99%的案例中仍能被检测到，表明其具有极强的稳健性。
• 在添加100个随机基因后，中等显著性术语（如核小体组装，FDR = 0.0091）在几乎所有情况下仍可被检测到，证实了该方法的稳定性。