RNA-Seq中的生物平均化
摘要：RNA-seq用于测量基因表达已经成为事实上的标准。传统上，RNA-seq实验是通过数学平均的方式进行的 - 它们对来自不同处理组的个体的mRNA进行测序，希望将表型与感兴趣的共享位点的算术读数平均差异相关。或者，可以在测序之前将来自相同个体的组织混合，我们称之为生物平均设计。由于数学平均对所有个体进行了控制，因此它可以控制生物和技术变异。然而，获得的统计解析度是否总是值得额外的成本？为了比较生物和数学平均，我们对统计效率和相对成本效率进行了理论和实证估计。尽管在固定样本大小下效率较低，但我们发现生物平均可以比数学平均更具成本效益。在这个基础上，我们开发了一种差异表达分类器ICRBC，可以检测生物平均样本之间的差异表达基因。在模拟研究中，我们发现生物平均和使用我们的分类器进行的后续分析与现有方法（如ASC，edgeR和DESeq）的表现相当，特别是当个体均匀混合，并且预计大约不到20％的调控基因组会发生差异调控时。在两个技术上不同的小鼠数据集和一个植物数据集中，我们发现我们的方法与edgeR在100个最显著特征上的一致性率超过了87％。因此，我们得出结论，生物平均可能足够控制生物变异的水平，以便可以检测到基因表达的差异。在这种情况下，ICRBC可以以较低的成本实现可靠的探索性分析，特别是当兴趣点在于差异表达最明显的位点时。
作者：Surojit Biswas, Yash N. Agrawal, Tatiana S. Mucyn, Jeffery L. Dangl, Corbin D. Jones
论文ID：1309.0670
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2013-09-05