Context-dependent correlations mislead transcriptomic network inference in bulk and single-cell data

Stellen Sie sich vor, Sie versuchen herauszufinden, wie zwei Personen in einer Menge miteinander verwandt sind, indem Sie beobachten, wie oft sie gleichzeitig lächeln. Wenn sie gemeinsam lächeln, könnten Sie vermuten, dass sie befreundet sind. Im Grunde ist das die Art und Weise, wie Wissenschaftler Gene untersuchen: Sie schauen sich an, wie oft zwei Gene gemeinsam „lächeln“ (an- oder ausgeschaltet werden) über tausende von Proben hinweg, um zu sehen, ob sie miteinander verbunden sind.

Dieses Paper argumentiert, dass die Art und Weise, wie Wissenschaftler dies seit langem handhaben, der Beobachtung einer Menge durch ein verschwommenes Weitwinkelobjektiv gleicht, das alle Menschen miteinander vermischt. Das Ergebnis ist oft ein irreführendes Bild.

Hier ist die Aufschlüsselung dessen, was das Paper herausgefunden hat, unter Verwendung einfacher Analogien:

Das Problem des „Gemischten Smoothies“

Wissenschaftler nehmen oft Daten aus vielen verschiedenen Gruppen zusammen – wie zum Beispiel verschiedene Arten von Krebs, verschiedene Gewebearten oder verschiedene Zelltypen – und mischen sie alle in einen einzigen riesigen „Smoothie“, um eine einzige durchschnittliche Beziehung zu berechnen. Sie gehen davon aus, dass dieser Durchschnitt die ganze Geschichte erzählt.

Das Paper sagt, dass dies gefährlich ist, da es sich um einen Trick handelt, der als Simpson-Paradoxon bekannt ist. Stellen Sie sich zwei Gruppen von Menschen vor:

• Gruppe A (Die Großen): Wenn sie größer werden, werden sie glücklicher.
• Gruppe B (Die Kleinen): Wenn sie größer werden, werden sie trauriger.

Wenn Sie Gruppe A und Gruppe B zusammenmischen und nur auf den Durchschnitt schauen, könnten Sie feststellen, dass „größere Menschen im Allgemeinen trauriger sind“, weil Gruppe B zufällig die größere Gruppe ist oder weil die durchschnittliche Körpergröße von Gruppe A viel höher ist als die von Gruppe B. Sie würden schlussfolgern, dass Größe Traurigkeit verursacht, und dabei völlig übersehen, dass die Beziehung innerhalb jeder spezifischen Gruppe tatsächlich das Gegenteil oder anders ist.

Was die Forscher herausgefunden haben

Das Team testete diese Idee in großem Maßstab mit echten Daten aus tausenden Tumoren, gesundem Gewebe und Einzelzellen. Hier ist, was sie entdeckten:

• Der „Flip-Flop“-Effekt: Bei fast 95 % der untersuchten Genpaare verhielten sich die Gene je nach Gruppe unterschiedlich. In einigen Gruppen bewegten sie sich gemeinsam (positive Korrelation); in anderen bewegten sie sich in entgegengesetzte Richtungen (negative Korrelation).
• Der Durchschnitt lügt: Wenn sie alle Daten zusammenmischten, hatte die „durchschnittliche“ Beziehung in etwa 13 % der Fälle das gegensätzliche Vorzeichen dessen, was in den spezifischen Gruppen tatsächlich geschah. Es war so, als würde man sagen: „Lächeln verursacht Traurigkeit“, nur weil man zwei verschiedene Menschenmengen zusammengemischt hat.
• Es ist überall: Dies war kein seltener Fehler. Es passierte in:
  • Krebsdaten: Fast jedes Genpaar zeigte unterschiedliche Verhaltensweisen über verschiedene Krebsarten hinweg.
  • Gesunden Gewebedaten: Selbst in gesunden Körpern veränderte das Mischen verschiedener Organe (wie Leber vs. Gehirn) die Ergebnisse.
  • Einzelzellen: Selbst wenn man einzelne Zellen betrachtete, erzeugte das Mischen verschiedener Zelltypen (wie T-Zellen vs. B-Zellen) falsche Verbindungen.
• Die „validierten“ Zielstrukturen: Wissenschaftler haben eine Liste von Genpaaren, von denen sie wissen, dass es echte Zielstrukturen sind (wie ein Schlüssel und ein Schloss). Das Paper fand heraus, dass bei der Zusammenmischung aller Daten 99,1 % dieser bekannten Beziehungen nicht konsistent erscheinen. Sie wirken nur dann konsistent, wenn man sie in dem spezifischen Kontext betrachtet, in dem sie hingehören.

Die Lösung: Äpfel und Orangen nicht mischen

Das Paper schlägt vor, dass wir, anstatt einen einzigen riesigen Smoothie zu machen, die Früchte separat probieren sollten.

• Kontext ist entscheidend: Wenn man die Daten in kleinere, spezifischere Gruppen unterteilt (wie das Trennen von „Großen“ und „Kleinen“ oder „Brustkrebs Typ A“ und „Brustkrebs Typ B“), verschwinden die irreführenden Flips.
  • Beispielsweise: Als sie Brustkrebspatienten untersuchten und sie nach spezifischen molekularen Subtypen trennten, sank die Zahl der irreführenden Flips von 5,5 % auf fast Null.
• Neue Regeln für die Berichterstattung: Die Autoren sagen, dass wir nicht nur eine einzige Zahl angeben sollten (wie „diese Gene sind verbunden“). Wir müssen berichten:
  1. Wie die Verbindung innerhalb jeder spezifischen Gruppe aussieht.
  2. Wie stark sich die Gruppen voneinander unterscheiden (Heterogenität).
  3. Eine Überprüfung, ob die Verbindung real ist oder nur ein Artefakt des Mischens von Gruppen.

Das Faz

Das Paper kommt zu dem Schluss, dass eine einzige, „Einheitsgröße“-Zahl, die beschreibt, wie Gene interagieren, oft falsch ist, weil sie verbirgt, dass sich Gene in unterschiedlichen Kontexten unterschiedlich verhalten. Um die Wahrheit zu finden, müssen wir aufhören, alles zu mitteln, und statlich beginnen, die spezifischen Nachbarschaften zu betrachten, in denen die Gene tatsächlich leben. Die Autoren stellten sogar ein kleines Werkzeug (eine R-Schnittstelle) zur Verfügung, um anderen Wissenschaftlern zu helfen, diese Trennung korrekt durchzuführen.