[论文解读] Differential Expression Analysis of Dynamical Sequencing Count Data with a Gamma Markov Chain

Ehsan Hajiramezanali, Siamak Zamani Dadaneh+4 more|arXiv (Cornell University)|Mar 7, 2018

Gene expression and cancer classification被引用 6

一句话总结

本文提出GMNB，一种新颖的贝叶斯层次模型，将伽马马尔可夫链与负二项分布相结合，用于分析时间序列RNA-seq计数数据。通过灵活建模动态基因表达模式（包括突变变化），并采用闭式吉布斯采样实现高效推断，GMNB在检测具有非平滑时间动态特征的差异表达基因方面优于现有方法。

ABSTRACT

Next-generation sequencing (NGS) to profile temporal changes in living systems is gaining more attention for deriving better insights into the underlying biological mechanisms compared to traditional static sequencing experiments. Nonetheless, the majority of existing statistical tools for analyzing NGS data lack the capability of exploiting the richer information embedded in temporal data. Several recent tools have been developed to analyze such data but they typically impose strict model assumptions, such as smoothness on gene expression dynamic changes. To capture a broader range of gene expression dynamic patterns, we develop the gamma Markov negative binomial (GMNB) model that integrates a gamma Markov chain into a negative binomial distribution model, allowing flexible temporal variation in NGS count data. Using Bayes factors, GMNB enables more powerful temporal gene differential expression analysis across different phenotypes or treatment conditions. In addition, it naturally handles the heterogeneity of sequencing depth in different samples, removing the need for ad-hoc normalization. Efficient Gibbs sampling inference of the GMNB model parameters is achieved by exploiting novel data augmentation techniques. Extensive experiments on both simulated and real-world RNA-seq data show that GMNB outperforms existing methods in both receiver operating characteristic (ROC) and precision-recall (PR) curves of differential expression analysis results.

研究动机与目标

• 为解决现有方法在捕捉时间序列RNA-seq数据中非平滑、突变的基因表达变化方面的局限性。
• 开发一种完全的贝叶斯框架，建模时间依赖性，而不依赖启发式归一化或严格的平滑性假设。
• 通过数据增强实现闭式吉布斯采样，实现高维时间序列计数数据的高效推断。
• 提升对具有差异动态模式的生物相关基因的检测能力，这些基因常被静态或平滑性约束模型所遗漏。
• 通过在似然框架内显式建模测序深度异质性，消除对临时归一化的依赖。

提出的方法

• GMNB模型使用负二项分布对RNA-seq计数数据进行建模，以考虑过度离散和实验噪声。
• 引入伽马马尔可夫链以建模负二项分布时间变化的均值参数，实现对包括突变转换在内的灵活时间动态建模。
• 通过层次贝叶斯结构在基因和时间点之间共享统计强度，提升在有限重复下的估计性能。
• 采用数据增强技术，推导出用于潜变量和超参数后验推断的闭式吉布斯采样器。
• 通过计算贝叶斯因子来检验不同条件下基因表达的差异表达，利用基因表达的完整时间轨迹。
• 通过乘法强度参数显式建模测序深度异质性，避免了预处理归一化步骤。

实验结果

研究问题

• RQ1 伽马马尔可夫链能否比平滑性约束模型（如DyNB）捕捉更广泛的动态表达模式，特别是突变变化？
• RQ2 将伽马马尔可夫链整合到负二项分布模型中，能否提升在时间序列RNA-seq数据中检测差异表达基因的统计效能？
• RQ3 所提出的GMNB模型能否在不依赖计算成本高昂的MCMC方法（如Metropolis-Hastings）的情况下实现高效推断？
• RQ4 在模拟和真实的时间序列RNA-seq数据集上，GMNB在ROC和精确率-召回率性能方面相较于最先进方法的优越程度如何？
• RQ5 GMNB能否识别出静态或归一化差异表达工具（如DESeq2）所遗漏的具有动态表达模式的生物相关基因？

主要发现

• 在模拟和真实的时间序列RNA-seq数据上，GMNB在ROC曲线下面积和精确率-召回率（PR）曲线下面积方面均优于DyNB、DESeq2及其他方法，展现出更优的统计效能。
• 经qRT-PCR验证的基因IL17A、IL17F和RORC在GMNB中排名显著更高（例如，RORC排名26，而DyNB为第37名），且贝叶斯因子更高，表明其在标志基因检测方面表现更优。
• 对GMNB识别出的前100名基因进行GO富集分析，显示与免疫应答（p < 1e-19）、防御反应（p < 2e-16）和细胞分化（p < 3e-18）显著相关，与Th17生物学功能一致。
• GMNB检测到38%的顶级基因与免疫应答相关，74%与应激反应相关，与Th17细胞在炎症和自身免疫中的已知作用相符。
• 通过闭式吉布斯采样实现高效推断，相比DyNB等基于MCMC的替代方法，显著降低了计算复杂度。
• GMNB无需预处理归一化即可自然处理测序深度变化，提升了差异表达检测的鲁棒性并减少了偏差。