混合效應(yīng)模型方差成分檢驗(yàn)在RNA-Seq數(shù)據(jù)中的兩個(gè)應(yīng)用研究.pdf

1、隨著RNA-Seq(RNA sequencing)技術(shù)的飛速發(fā)展和日益普及，逐漸成為探索疾病和分子之間關(guān)系的主流技術(shù)手段。復(fù)雜疾病的發(fā)生和發(fā)展可能是一個(gè)復(fù)雜的分子調(diào)控網(wǎng)絡(luò)，并非由單一的分子調(diào)控。故越來(lái)越多的研究在關(guān)注差異表達(dá)分子的同時(shí)，也在積極探索不同分子間的交互作用。上述的兩個(gè)問(wèn)題是生物統(tǒng)計(jì)和系統(tǒng)生物學(xué)中亟待解決的問(wèn)題，也需要兩門(mén)學(xué)科的有機(jī)結(jié)合。
　　第一部分，借助了集合檢驗(yàn)的思想，構(gòu)建基于isoform的表達(dá)數(shù)據(jù)篩選差異表達(dá)基

2、因的模型。模型假設(shè)同一個(gè)基因不同isoform的表達(dá)為因變量，服從泊松或負(fù)二項(xiàng)分布。模型中的第一個(gè)隨機(jī)項(xiàng)表示不同isoform之間的相似性;第二個(gè)隨機(jī)項(xiàng)表示標(biāo)簽變量。故對(duì)于一組isoform時(shí)候差異表達(dá)的檢驗(yàn)可以轉(zhuǎn)化為在廣義混合效應(yīng)模型框架下對(duì)于第二個(gè)隨機(jī)項(xiàng)方差成分的假設(shè)檢驗(yàn)。在H0成立條件下，構(gòu)建對(duì)于第二個(gè)隨機(jī)項(xiàng)的得分檢驗(yàn)統(tǒng)計(jì)量，其近似服從混合卡方分布。另外，考慮了permutation算法構(gòu)建統(tǒng)計(jì)量的經(jīng)驗(yàn)分布。模擬實(shí)驗(yàn)中比較了本模型

3、中經(jīng)驗(yàn)分布和理論分布，以及本方法和傳統(tǒng)差異表達(dá)篩選算法統(tǒng)計(jì)性質(zhì)的優(yōu)劣。實(shí)例分析使用了腫瘤基因圖譜（The cancer genome altas，TCGA）中肺鱗癌的數(shù)據(jù)。
　　結(jié)果表明，本方法基本可以控制一類(lèi)錯(cuò)誤，但是經(jīng)驗(yàn)分布的一類(lèi)錯(cuò)誤控制過(guò)于嚴(yán)格;傳統(tǒng)的算法出現(xiàn)不同程度的膨脹。在標(biāo)簽效應(yīng)同向時(shí)和標(biāo)簽效應(yīng)同時(shí)具有正向和負(fù)向時(shí)，本方法的效能均優(yōu)于傳統(tǒng)算法。負(fù)二項(xiàng)分布假設(shè)和泊松分布假設(shè)總體的結(jié)果相似，泊松分布假設(shè)的分析結(jié)果優(yōu)于負(fù)二項(xiàng)

4、分布假設(shè)。在負(fù)二項(xiàng)分布假設(shè)中，方法整體的效能損失嚴(yán)重，而本方法的效能仍然優(yōu)于傳統(tǒng)算法。實(shí)例分析中，本算法單獨(dú)定義了17個(gè)差異表達(dá)基因，其中Batch101中有3個(gè)，Batch193中有14個(gè)。
　　第二部分，基于混合效應(yīng)模型和半?yún)?shù)模型的相似性，在二分類(lèi)表型的框架下，構(gòu)建了mRNA-miRNA一階交互作用的偽參數(shù)核函數(shù)模型。故對(duì)其交互作用的檢驗(yàn)可以轉(zhuǎn)化為對(duì)混合模型中隨機(jī)效應(yīng)項(xiàng)方差成分的檢驗(yàn)。在H0成立的條件下，構(gòu)建對(duì)于偽參數(shù)檢驗(yàn)的

5、得分檢驗(yàn)統(tǒng)計(jì)量，其服從混合卡方分布。模擬實(shí)驗(yàn)中比較了該方法和傳統(tǒng)F-test的優(yōu)劣。實(shí)例分析中，借助了現(xiàn)有的靶標(biāo)預(yù)測(cè)數(shù)據(jù)庫(kù)以及TCGA中乳腺浸潤(rùn)癌miRNA和mRNA的RNA-Seq數(shù)據(jù)，定義了既有統(tǒng)計(jì)學(xué)意義，又有生物學(xué)聯(lián)系的mRNA-miRNA交互作用對(duì)子。
　　結(jié)果顯示，本方法可以控制一類(lèi)錯(cuò)誤，在多數(shù)情況下對(duì)于一類(lèi)錯(cuò)誤的控制過(guò)于嚴(yán)格，而傳統(tǒng)F-test在多數(shù)參數(shù)組合下一類(lèi)錯(cuò)誤嚴(yán)重膨脹，幾乎無(wú)法用在高維交互作用的篩選。在效能模擬