Новый статистический метод улучшает анализ геномных данных
Новый статистический метод CLIMB (Composite LIkelihood eMpirical Bayes) предлагает более эффективный способ выявления биологически значимых изменений в геномных данных, охватывающих несколько условий, таких как типы клеток или ткани.
Исследования целого генома генерируют огромные массивы данных, что делает статистическое сравнение разных биологических условий или данных из разных лабораторий сложной задачей.
Суть метода CLIMB:
- Комбинирует принципы двух традиционных подходов: попарного сравнения условий и анализа «векторов ассоциации» (паттернов активности, например, up- или down-регуляции гена в каждом типе клеток).
- Сначала использует попарные сравнения, чтобы определить вероятные паттерны и исключить маловероятные комбинации, что резко сокращает вычислительную сложность.
- Затем кластеризует объекты (например, гены) с одинаковым паттерном активности по всем условиям.
Тестирование метода:
- Анализ данных RNA-seq гемопоэтических клеток. CLIMB выявил более узкий (2–3 тыс. генов) и биологически релевантный список генов, определяющих специализацию клеток, по сравнению с 6–7 тыс. генов при попарном анализе.
- Анализ данных ChIP-seq по связыванию транскрипционного фактора CTCF в 17 популяциях клеток. CLIMB выявил различные категории сайтов связывания CTCF, указывающие на его роль как во всех кровяных клетках, так и в специфических типах.
- Анализ данных DNase-seq по доступности хроматина в 38 типах человеческих клеток. Результаты CLIMB соответствовали независимым данным (например, исследованиям модификаций гистонов).
Метод является вычислительно эффективным, дает биологически интерпретируемые результаты и может применяться для анализа других типов «омиксных» данных. В планах — увеличение скорости работы метода и масштабируемости для большего числа условий.