[论文解读] A Bayesian test to identify variance effects

Bianca Dumitrascu, Gregory Darnell+2 more|arXiv (Cornell University)|Dec 5, 2015

Genetic Mapping and Diversity in Plants and Animals参考文献 42被引用 5

一句话总结

本文提出了一种贝叶斯异方差性检验（BTH），这是一种新颖的方法，利用贝叶斯异方差线性回归检测基因组数据中的方差控制遗传变异体（vQTLs）。BTH通过联合建模均值和方差效应并实现完整的不确定性量化，优于经典检验方法，减少了过拟合，并能够灵活检测连续和离散协变量下的方差效应。

ABSTRACT

Identifying genetic variants that regulate quantitative traits, or QTLs, is the primary focus of the field of statistical genetics. Most current methods are limited to identifying mean effects, or associations between genotype and the mean value of a quantitative trait. It is possible, however, that a genetic variant may affect the variance of the quantitative trait in lieu of, or in addition to, affecting the trait mean. Here, we develop a general methodological approach to identifying covariates with variance effects on a quantitative trait using a Bayesian heteroskedastic linear regression model. We show that our Bayesian test for heteroskedasticity (BTH) outperforms classical tests for differences in variation across a large range of simulations drawn from scenarios common to the analysis of quantitative traits. We apply BTH to methylation QTL study data and expression QTL study data to identify variance QTLs. When compared with three tests for heteroskedasticity used in genomics, we illustrate the benefits of using our approach, including avoiding overfitting by incorporating uncertainty and flexibly identifying heteroskedastic effects.

研究动机与目标

• 为解决现有方法在检测影响特征方差（vQTLs）而非仅均值效应的遗传变异体方面的局限性。
• 克服经典异方差性检验的缺点——如无法处理连续协变量、缺乏不确定性量化以及过拟合——这些缺点在基因组学中普遍存在。
• 开发一种稳健、灵活且可扩展的贝叶斯框架，联合建模均值和方差效应，同时考虑混杂协变量。
• 在多种模拟情景和真实基因组数据集中验证BTH，证明其具有更高的统计功效和可靠性。
• 实现在基因表达和甲基化数据中全基因组范围的vQTL识别，推动对特征变异遗传调控机制的理解。

提出的方法

• 构建一个贝叶斯异方差线性回归模型，其中定量特征的均值和方差均依赖于协变量（如基因型），方差建模为指数线性预测器的函数：$\sigma^2 \alpha^{-x_i}$。
• 施加弱信息先验：对均值效应$\beta$采用正态先验，对残差方差$\sigma^2$采用逆伽玛先验，对$\log(\alpha)$采用柯西先验，以实现对方差效应的灵活检测。
• 使用拉普拉斯近似高效计算贝叶斯因子，用于检验方差效应的存在，从而实现全基因组筛选的可扩展性。
• 通过在均值和方差模型中均进行线性调整，整合混杂协变量（如年龄、性别、人群结构），提升模型稳健性。
• 利用在模拟数据上训练的随机森林分类器评估模型拟合度，并检测与假设的异方差模型的偏离。
• 对真实数据应用预处理流程：对数变换、主成分校正以控制人群结构和批次效应，以及在vQTL检验前对残差进行标准化。

实验结果

研究问题

• RQ1 在多种模拟情景下，贝叶斯框架是否能优于经典检验方法（Levene、Brown-Forsythe、CLS）检测方差控制的遗传变异体（vQTLs）？
• RQ2 当数据中存在混杂协变量（如人群结构、年龄）时，BTH在检测vQTLs方面的表现如何？
• RQ3 与CLS等经典方法相比，将参数估计中的不确定性纳入考虑在多大程度上可减少过拟合？
• RQ4 与现有方法相比，BTH在真实世界基因表达和甲基化数据中识别vQTLs的效率如何？
• RQ5 BTH能否检测到经典参数检验可能遗漏的非单调或复杂方差效应？

主要发现

• BTH在广泛的模拟情景下显著优于经典检验方法（Levene、Brown-Forsythe、CLS），尤其是在存在连续协变量和混杂因素的情境下。
• BTH在检测方差效应方面比CLS具有更高的统计功效，尤其当真实方差效应为非单调时，或数据中存在潜在混杂因子时。
• 该方法通过贝叶斯推断完全整合均值和方差效应估计中的不确定性，有效控制了第一类错误率，并减少了过拟合。
• 在真实数据应用中，BTH在CAP研究的基因表达数据和HapMap甲基化数据中均识别出大量新型vQTLs，其中许多被经典检验方法所遗漏。
• 在模拟数据上训练的随机森林分类器成功区分了BTH模型拟合与替代模型（如指数均值、对数正态分布）的差异，证实了模型对真实数据生成过程的稳健性和拟合度。
• BTH在存在人群结构和批次效应的情况下表现出更优的方差效应检测性能，凸显其在具有复杂混杂结构的真实基因组研究中的实用性。