[论文解读] Estimating intrinsic and extrinsic noise from single-cell gene expression measurements

Audrey Qiuyan Fu, Lior Pachter|arXiv (Cornell University)|Jan 13, 2016

Gene Regulatory Network Analysis参考文献 3被引用 3

一句话总结

本文提出了一套严格的统计框架，用于通过双报告基因实验估算单细胞基因表达中的内在噪声和外在噪声。通过将基因表达建模为分层随机效应模型，并应用全方差定律，作者推导出能最小化均方误差的校正估计量，尤其适用于小样本量情况，并证明了分位数标准化和基于相关性的外在噪声估计的合理性。

ABSTRACT

Gene expression is stochastic and displays variation ("noise") both within and between cells. Intracellular (intrinsic) variance can be distinguished from extracellular (extrinsic) variance by applying the law of total variance to data from two-reporter assays that probe expression of identical gene pairs in single-cells. We examine established formulas for the estimation of intrinsic and extrinsic noise and provide interpretations of them in terms of a hierarchical model. This allows us to derive corrections that minimize the mean squared error, an objective that may be important when sample sizes are small. The statistical framework also highlights the need for quantile normalization, and provides justification for the use of the sample correlation between the two reporter expression levels to estimate the percent contribution of extrinsic noise to the total noise. Finally, we provide a geometric interpretation of these results that clarifies the current interpretation.

研究动机与目标

• 解决现有单细胞基因表达数据中内在噪声和外在噪声估计量的统计局限性。
• 通过最小化均方误差，提高估计精度，尤其适用于小样本量情况。
• 提供一个正式的分层模型，以证明全方差定律在噪声分解中的应用合理性。
• 阐明分位数标准化的作用以及样本相关性在估计外在噪声贡献中的使用。
• 为双报告基因实验中的噪声分解公式提供几何和概率解释。

提出的方法

• 将双报告基因实验形式化为分层随机效应模型，其中在给定细胞状态的条件下，报告基因表达条件独立同分布。
• 应用全方差定律，将总方差分解为内在（细胞内）和外在（细胞间）两部分。
• 在分层模型下，推导出能最小化均方误差的内在和外在噪声的校正估计量。
• 使用矩估计方法，从观测到的表达对 (c_i, y_i) 推导出噪声分量的显式公式。
• 证明样本相关性作为外在噪声贡献度量的合理性。
• 通过向量空间投影和协方差结构，提供噪声分解的几何解释。

实验结果

研究问题

• RQ1 在样本量有限的单细胞基因表达数据中，如何更准确地估计内在噪声和外在噪声？
• RQ2 广泛使用的ELSS噪声分解公式的统计基础是什么？
• RQ3 分层模型的假设如何影响噪声估计量的偏差和方差？
• RQ4 为什么在双报告基因实验中需要分位数标准化？它如何改善噪声估计？
• RQ5 为何使用报告基因表达水平之间的样本相关性来估计外在噪声贡献具有合理性？

主要发现

• 作者推导出能最小化均方误差的内在和外在噪声校正估计量，尤其在小样本量情况下具有显著优势。
• 分层模型为全方差定律的应用提供了正式的统计基础，并为ELSS公式提供了理论支持。
• 分位数标准化被证明对准确估计噪声至关重要，因为它可校正报告基因表达水平的系统性差异。
• 报告基因对之间的样本相关性在数学上被证明是总方差中外在噪声比例的合理估计量。
• 几何解释阐明了在表达向量投影背景下，内在噪声、外在噪声与总方差之间的关系。
• 在正态分布和零均值假设下，内在噪声估计量的方差被证明与 σ⁴ 成正比，并推导出其均方误差的显式表达式。