[论文解读] P-value evaluation, variability index and biomarker categorization for adaptively weighted Fisher's meta-analysis method in omics applications

Zhiguang Huo, Shaowu Tang+2 more|arXiv (Cornell University)|Aug 16, 2017

Gene expression and cancer classification参考文献 25被引用 3

一句话总结

本论文提出了一种快速、精确的p值计算方法及可变性指数，用于基因组学中的自适应加权费雪元分析（AW-Fisher），通过重要性采样和样条插值提升可扩展性。该研究引入了一种基于重采样的生物标志物分类方法，可识别跨研究的生物学上有意义的元模式，在HIV和代谢组学数据集中展示了更高的统计效能与生物学可解释性。

ABSTRACT

Meta-analysis methods have been widely used to combine results from multiple clinical or genomic studies to increase statistical power and ensure robust and accurate conclusion. Adaptively weighted Fisher's method (AW-Fisher) is an effective approach to combine p-values from $K$ independent studies and to provide better biological interpretation by characterizing which studies contribute to meta-analysis. Currently, AW-Fisher suffers from lack of fast, accurate p-value computation and variability estimate of AW weights. When the number of studies $K$ is large, the $3^K - 1$ possible differential expression pattern categories can become intractable. In this paper, we apply an importance sampling technique with spline interpolation to increase accuracy and speed of p-value calculation. Using resampling techniques, we propose a variability index for the AW weight estimator and a co-membership matrix to characterize pattern similarities between genes. The co-membership matrix is further used to categorize differentially expressed genes based on their meta-patterns for further biological investigation. The superior performance of the proposed methods is shown in simulations. These methods are also applied to two real applications to demonstrate intriguing biological findings.

研究动机与目标

• 解决自适应加权费雪元分析（AW-Fisher）中缺乏快速且精确的p值计算与可变性估计的问题，尤其是在研究数量K较大时。
• 克服当K较大时枚举所有3^K - 1种差异表达模式类别的计算不可行性。
• 开发一种可变性指数，以评估在重采样子集上AW-Fisher权重估计的稳定性。
• 提出共成员矩阵与聚类方法，基于基因在各研究中的元模式对差异表达基因进行分类。
• 通过识别具有一致、异质性或区域特异性表达模式的基因模块，实现生物学上可解释的元分析。

提出的方法

• 应用重要性采样结合样条插值，加速并提升AW-Fisher的p值计算速度与精度，减少对计算成本高昂的置换检验的依赖。
• 通过利用插值分位数与重要性采样，实现线性复杂度的最优自适应权重搜索算法。
• 基于重采样技术（如非参数自举法）开发AW权重的可变性指数，以量化权重估计中的不确定性。
• 从重采样子集构建共成员矩阵，以衡量不同研究中元模式的成对相似性。
• 在共成员矩阵上应用紧密聚类，根据共享的差异表达模式（如全部上调、部分上调、区域相反）将基因聚类为模块。
• 对生物模块进行通路富集分析，以解释所识别元模式的功能相关性。

实验结果

研究问题

• RQ1 重要性采样与样条插值是否能显著提升AW-Fisher中p值计算的速度与精度，而无需依赖置换检验？
• RQ2 如何量化自适应权重的可变性，以评估元分析中研究特异性权重估计的可靠性？
• RQ3 基于重采样的共成员矩阵能否有效识别出在多组研究中具有不同差异表达模式的生物学上有意义的基因模块？
• RQ4 所提出的方法是否通过揭示真实组学生物信息学数据集中的一致性、异质性或区域特异性表达信号，增强了生物学可解释性？
• RQ5 结合新的计算与分类工具，AW-Fisher方法是否能在HIV感染脑区或代谢组学等复杂数据集中检测到有意义的生物学模式？

主要发现

• 重要性采样与样条插值方法实现了快速且精确的p值计算，使AW-Fisher在K > 10的大规模组学生物信息学应用中成为可行方案。
• 可变性指数成功量化了自适应权重中的不确定性，在小样本量或高异质性情景下揭示了权重估计的不稳定性。
• 在HIV脑部RNA-seq数据集中，于30% FDR水平下鉴定出145个差异表达基因，生物标志物分类揭示了三种不同的元模式：所有区域均上调（模块i）、所有区域均下调（模块ii）以及区域特异性表达（模块iii）。
• 模块i显著富集于病毒反应通路（GO RESPONSE TO VIRUS，p = 1.59×10⁻³），支持研究结果的生物学合理性。
• 模块ii富集于节律性过程（GO RHYTHMIC PROCESS，p = 6.23×10⁻⁴），提示HIV可能破坏了脑区间的昼夜节律调控。
• 模块iii富集于端脑与端脑叶发育相关通路（p = 2.82×10⁻³ 与 p = 2.84×10⁻⁴），揭示了海马体（下调）与前额叶及纹状体区域（上调）的差异调控，表明HIV诱导了区域特异性的应答反应。