Новый статистический метод улучшает анализ одноклеточной РНК
Исследователи разработали инновационный статистический метод — гибридный байесовский вывод (Bayesian frequentist hybrid inference). Он сочетает частотный и байесовский подходы для более точного анализа данных, особенно при малых размерах выборки и наличии априорной информации по некоторым параметрам.
Решение проблемы малых выборок
Современная технология секвенирования РНК единичных клеток (single-cell RNA sequencing) сталкивается с проблемой идентификации генов, связанных с болезнями:
- При малом числе биологических повторений снижается статистическая мощность.
- Крупные выборки часто недоступны из-за высокой стоимости и длительного набора пациентов с редкими заболеваниями.
Новый метод, по словам его соавтора Ган Хана (Техасский университет A&M), превосходит частотный вывод, так как включает априорную информацию, и байесовский вывод, так как снижает проблему смещения из-за неинформативных априорных распределений.
Применение к идиопатическому легочному фиброзу
В исследовании, опубликованном в Human Genomics, метод был применен к анализу данных секвенирования РНК единичных клеток легочной ткани при идиопатическом легочном фиброзе. Ученые изучали связь заболевания с трансформирующим фактором роста бета 1 (transforming growth factor beta 1), учитывая вероятность того, что клетки являются альвеолярными макрофагами.
Ключевой результат: Гибридный байесовский вывод идентифицировал больше генов, связанных с болезнью (при наличии правильной информативной априорной информации), чем частотный или чисто байесовский методы, которые либо не находили дифференциально экспрессируемых генов, либо находили очень мало.
«Наш метод может запустить полноценный анализ путей для идентификации генов, ассоциированных с болезненным статусом конкретного типа клеток, даже при ограниченном размере выборки», — отметил Ган Хан.
Перспективы метода
Метод уже успешно применялся в других областях, например, в биомеханическом дизайне имплантатов колена и в исследовании акральной лентигинозной меланомы, показывая лучшие результаты при размерах выборки от 20 до 500.
В планах исследователей — разработка многомерного гибридного байесовского анализа, который будет включать в модель больше информации о демографии пациентов и факторах окружающей среды.
«Гибридный байесовский вывод не только дает ценное понимание идиопатического легочного фиброза, но и представляет собой уникальную и гибкую основу для многих других будущих анализов одноклеточного РНК-секвенирования», — заключил Ган Хан.