[论文解读] Models for transcript quantification from RNA-Seq

Lior Pachter|arXiv (Cornell University)|Apr 19, 2011

Genomics and Phylogenetic Studies参考文献 48被引用 112

一句话总结

本文提出了一种统一的RNA-Seq转录本定量模型框架，证明了多种方法——包括计数模型、多项分布模型和泊松对数线性模型——在最大似然推断下会产生相同的相对丰度估计。其主要贡献在于表明这些模型均为单一通用模型的特例，从而阐明了它们之间的关系，并提升了对不同方法间推断一致性的理解。

ABSTRACT

RNA-Seq is rapidly becoming the standard technology for transcriptome analysis. Fundamental to many of the applications of RNA-Seq is the quantification problem, which is the accurate measurement of relative transcript abundances from the sequenced reads. We focus on this problem, and review many recently published models that are used to estimate the relative abundances. In addition to describing the models and the different approaches to inference, we also explain how methods are related to each other. A key result is that we show how inference with many of the models results in identical estimates of relative abundances, even though model formulations can be very different. In fact, we are able to show how a single general model captures many of the elements of previously published methods. We also review the applications of RNA-Seq models to differential analysis, and explain why accurate relative transcript abundance estimates are crucial for downstream analyses.

研究动机与目标

• 澄清用于RNA-Seq转录本定量的多种模型之间的理论关系。
• 证明尽管形式不同，这些模型在最大似然推断下会产生相同的相对丰度估计。
• 将先前发表的多种模型统一于一个通用框架之下，以捕捉其核心要素。
• 强调准确相对丰度估计对下游差异表达分析的重要性。
• 指出在偏差建模、转录组组装和基准测试准确性方面仍存在的开放挑战。

提出的方法

• 作者开发了一种通用的RNA-Seq统计模型，可将多种先前发表的模型作为特例包含在内。
• 建立了多项分布模型与泊松对数线性模型在相对转录本丰度最大似然估计下的等价性。
• 该框架整合了多比对读段、片段长度及有效转录本长度校正等特征。
• 该模型考虑了读段比对中的偏差，包括序列特异性和位置偏差，并评估了其对丰度估计的影响。
• 作者采用分层模型结构（图1）来说明现有方法之间的关系及其特例。
• 他们应用该模型评估了在丰度估计中使用有效长度（l̃t）与全长（lt）的影响，结果表明使用错误长度可能导致高达30%的误差。

实验结果

研究问题

• RQ1 尽管公式不同，各种RNA-Seq定量模型之间有何关系？
• RQ2 在何种条件下，多项分布模型与泊松对数线性模型会对转录本丰度产生相同的最大似然估计？
• RQ3 读段比对偏差和片段长度在多大程度上影响相对丰度估计？
• RQ4 是否可以建立一个单一的通用模型来统一RNA-Seq中多种转录本定量方法？
• RQ5 准确的转录组组装在可靠相对丰度估计中起到何种作用？

主要发现

• 尽管数学公式不同，多种不同的RNA-Seq定量模型在最大似然推断下会产生相同的相对丰度估计。
• 在RNA-Seq中估计相对转录本丰度时，多项分布模型与泊松对数线性模型在数学上是等价的。
• 在丰度计算中使用全长（lt）而非有效长度（l̃t）可能导致相对丰度估计高达30%的误差。
• 本文提出的通用模型可涵盖并解释众多先前发表方法作为其特例。
• 引入偏差校正——尤其是序列特异性和位置比对偏差校正——可提高RNA-Seq与qRT-PCR测量结果的一致性。
• 准确的相对丰度估计在很大程度上依赖于完整且准确的转录组组装，因为不完整的组装可能导致估计偏差。