[论文解读] Removing System Noise from Comparative Genomic Hybridization Data by Self-Self Analysis

Yoon-ha Lee, Michael Ronemus+9 more|arXiv (Cornell University)|May 4, 2011

Genomic variations and chromosomal abnormalities参考文献 25被引用 3

一句话总结

本文提出一种系统归一化方法，通过分析自体-自体杂交（即DNA样本与自身杂交）来减少比较基因组杂交（aCGH）数据中的技术噪声，采用奇异值分解（SVD）进行处理。该方法识别并校正系统噪声，平均使信噪比提高7.0%，90%的杂交实验信噪比得到改善，且中位平均偏差（MAD）降低。

ABSTRACT

Genomic copy number variation (CNV) is a large source of variation between organisms, and its consequences include phenotypic differences and genetic disorders. CNVs are commonly detected by hybridizing genomic DNA to microarrays of nucleic acid probes. System noise caused by operational and probe performance variability complicates the interpretation of these data. To minimize the distortion of genetic signal by system noise, we have explored the latter in an archive of hybridizations in which no genetic signal is expected. This archive is obtained by comparative genomic hybridization (CGH) of a sample in one channel to the same sample in the other channel, or 'self-self' data. These self-self hybridizations trap a variety of system noise inherent in sample-reference (test) data. Through singular value decomposition (SVD) of self-self data, we have determined the principal components of system noise. Assuming simple linear models of noise generation, the linear correction of test data with self-self data -or 'system normalization'- reduces local and long-range correlations and improves signal-to-noise metrics, yet does not introduce detectable spurious signal. Using this method, 90% of hybridizations displayed improved signal-to-noise ratios with an average increase of 7.0%, due mainly to a reduced median average deviation (MAD). In addition, we have found that principal component loadings correlate with specific probe variables including array coordinates, base composition, and proximity to the 5' ends of genes. The correlation of the principal component loadings with the test data depends on operational variables, such as the temporal order of processing and the localization of individual samples within 96-well plates.

研究动机与目标

• 识别并表征由样本处理和探针性能中的技术变异性引起的比较基因组杂交（aCGH）数据中的系统噪声。
• 开发一种噪声校正方法，在最小化技术伪影干扰的同时保留真实的生物信号。
• 建立一种系统化的归一化框架，利用自体-自体杂合作为参考，对测试数据中的系统噪声进行建模与校正。
• 研究噪声分量与探针特异性变量（如阵列坐标、碱基组成和基因位置）之间的关系。
• 验证该校正方法不会引入虚假信号，同时在真实aCGH实验中提升信噪比指标。

提出的方法

• 通过将同一DNA样本分别与两个通道的微阵列杂交，收集自体-自体aCGH数据，生成不含生物信号但包含所有系统噪声的对照数据集。
• 对自体-自体数据应用奇异值分解（SVD），提取代表主要噪声模式的主成分。
• 将系统噪声建模为这些主成分的线性组合，假设噪声生成过程为简单线性过程。
• 利用识别出的噪声分量，通过系统归一化对测试aCGH数据进行线性校正，以补偿探针特异性和操作性噪声源。
• 将主成分载荷与探针水平变量（如阵列坐标、GC含量、与基因5'端的接近程度）进行相关性分析，以理解噪声来源。
• 通过信噪比指标（包括中位平均偏差MAD）评估校正效果，比较归一化前后性能。

实验结果

研究问题

• RQ1 在多大程度上可利用自体-自体杂交对照对aCGH数据中的系统噪声进行建模与去除？
• RQ2 探针特异性特征（如GC含量和基因组位置）与主要噪声分量之间存在何种相关性？
• RQ3 所提出的系统归一化方法是否能在不引入假阳性拷贝数变异的情况下提升信噪比？
• RQ4 样本处理的时间顺序和96孔板中的位置分布如何影响aCGH数据中的噪声模式？
• RQ5 自体-自体数据的噪声主成分能否可靠地用于跨多个杂交实验对真实测试数据进行校正？

主要发现

• 使用自体-自体数据进行系统归一化后，90%的杂交实验信噪比得到提升，平均提高7.0%。
• 主要改进源于中位平均偏差（MAD）的降低，表明校正后数据的变异性减小。
• 噪声主成分载荷与探针特异性变量（包括阵列坐标、GC含量及与基因5'端的接近程度）存在显著相关性。
• 噪声模式受操作变量（如处理时间顺序和样本在96孔板中的定位）的影响。
• 该校正方法未引入可检测的虚假信号，证实其在保留真实生物变异方面的保真度。
• 对自体-自体数据进行SVD能有效捕捉主要系统噪声源，从而实现对测试数据的精确线性校正。