混合效應模型方差成分檢驗在RNA-Seq數(shù)據(jù)中的兩個應用研究.pdf

1、隨著RNA-Seq(RNA sequencing)技術的飛速發(fā)展和日益普及，逐漸成為探索疾病和分子之間關系的主流技術手段。復雜疾病的發(fā)生和發(fā)展可能是一個復雜的分子調控網絡，并非由單一的分子調控。故越來越多的研究在關注差異表達分子的同時，也在積極探索不同分子間的交互作用。上述的兩個問題是生物統(tǒng)計和系統(tǒng)生物學中亟待解決的問題，也需要兩門學科的有機結合。
　　第一部分，借助了集合檢驗的思想，構建基于isoform的表達數(shù)據(jù)篩選差異表達基

2、因的模型。模型假設同一個基因不同isoform的表達為因變量，服從泊松或負二項分布。模型中的第一個隨機項表示不同isoform之間的相似性;第二個隨機項表示標簽變量。故對于一組isoform時候差異表達的檢驗可以轉化為在廣義混合效應模型框架下對于第二個隨機項方差成分的假設檢驗。在H0成立條件下，構建對于第二個隨機項的得分檢驗統(tǒng)計量，其近似服從混合卡方分布。另外，考慮了permutation算法構建統(tǒng)計量的經驗分布。模擬實驗中比較了本模型

3、中經驗分布和理論分布，以及本方法和傳統(tǒng)差異表達篩選算法統(tǒng)計性質的優(yōu)劣。實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)。
　　結果表明，本方法基本可以控制一類錯誤，但是經驗分布的一類錯誤控制過于嚴格;傳統(tǒng)的算法出現(xiàn)不同程度的膨脹。在標簽效應同向時和標簽效應同時具有正向和負向時，本方法的效能均優(yōu)于傳統(tǒng)算法。負二項分布假設和泊松分布假設總體的結果相似，泊松分布假設的分析結果優(yōu)于負二項

4、分布假設。在負二項分布假設中，方法整體的效能損失嚴重，而本方法的效能仍然優(yōu)于傳統(tǒng)算法。實例分析中，本算法單獨定義了17個差異表達基因，其中Batch101中有3個，Batch193中有14個。
　　第二部分，基于混合效應模型和半參數(shù)模型的相似性，在二分類表型的框架下，構建了mRNA-miRNA一階交互作用的偽參數(shù)核函數(shù)模型。故對其交互作用的檢驗可以轉化為對混合模型中隨機效應項方差成分的檢驗。在H0成立的條件下，構建對于偽參數(shù)檢驗的

5、得分檢驗統(tǒng)計量，其服從混合卡方分布。模擬實驗中比較了該方法和傳統(tǒng)F-test的優(yōu)劣。實例分析中，借助了現(xiàn)有的靶標預測數(shù)據(jù)庫以及TCGA中乳腺浸潤癌miRNA和mRNA的RNA-Seq數(shù)據(jù)，定義了既有統(tǒng)計學意義，又有生物學聯(lián)系的mRNA-miRNA交互作用對子。
　　結果顯示，本方法可以控制一類錯誤，在多數(shù)情況下對于一類錯誤的控制過于嚴格，而傳統(tǒng)F-test在多數(shù)參數(shù)組合下一類錯誤嚴重膨脹，幾乎無法用在高維交互作用的篩選。在效能模擬