Empirical Bayes Shrinkage of Functional Effects, with Application to Analysis of Dynamic eQTLs

Resumen Técnico: Contracción de Bayes Empírico de Efectos Funcionales (FASH)

Planteamiento del Problema
La genómica moderna, particularmente los estudios de locus de rasgos de expresión cuantitativa (eQTL) dinámicos, genera conjuntos de datos masivos donde el efecto de una variante genética sobre la expresión génica se mide a través de una variable de condición continua (por ejemplo, tiempo, niveles de oxígeno). Estos estudios producen estimaciones de efectos ruidosas para miles o millones de unidades genómicas (pares gen-variante) en múltiples puntos temporales. Los desafíos principales son:

1. Estimación: Recuperar con precisión la "función de efecto" subyacente (cómo cambia el efecto a lo largo de la condición) a partir de datos ruidosos.
2. Pruebas de Hipótesis: Identificar qué unidades se desvían de un comportamiento nulo o de base (por ejemplo, sin cambios a lo largo del tiempo, o un cambio lineal) sin realizar suposiciones paramétricas restrictivas sobre la forma del efecto.
3. Calibración: Garantizar que las inferencias de Bayes Empírico (EB) permanezcan calibradas y conservadoras, incluso cuando la distribución a priori bajo la hipótesis alternativa está mal especificada —un problema común en datos funcionales de alta dimensión—.

Metodología: Contracción Adaptativa Funcional (FASH)
Los autores presentan FASH, un marco de Bayes Empírico diseñado para el análisis conjunto de unidades de observación donde cada unidad estima una función de efecto.

• Marco Estadístico:

  • Modelo de Datos: Para cada unidad $j$, las estimaciones de efecto observadas $\hat{\beta}_j(t)$ en puntos temporales discretos se modelan como distribuciones normales alrededor de la función verdadera subyacente $\beta_j(t)$ con errores estándar conocidos.
  • Especificación de la Prior (Familia L-GP): El método utiliza una familia de Procesos Gaussianos (GP) definidos por operadores diferenciales lineales, denominados la familia L-GP. Se define un modelo de base $S_0$ mediante un operador diferencial lineal $L$ (por ejemplo, $L=D_1$ para funciones constantes, $L=D_2$ para funciones lineales). La prior asume $\beta \sim \text{L-GP}(\sigma)$, donde $\sigma$ cuantifica la desviación del espacio de base $S_0$.
  • Priors de Mezcla Adaptativa: Para permitir la contracción basada en los datos, FASH emplea una mezcla de priors L-GP: $g_\beta = \sum \pi_k \text{L-GP}(\sigma_k)$. Los pesos de la mezcla $\pi_k$ se aprenden mediante la estimación de máxima verosimilitud a través de todas las unidades, efectivamente agrupando información para adaptar la cantidad de contracción para cada unidad basándose en qué tan bien sus datos se ajustan al modelo de base.
  • Inferencia Posterior: Debido a la conjugación, la distribución posterior para cada unidad es también una mezcla de GP. Esto permite el cálculo de las medias posteriores (funciones de efecto suavizadas) e intervalos de credibilidad.

• Pruebas de Hipótesis:

  • FASH calcula las tasas de falsos descubrimientos locales (lfdr) y las tasas de signo falso locales (lfsr).
  • Probar $H_0: \beta_j \in S_0$ corresponde a estimar la probabilidad posterior de que la unidad pertenezca al componente nulo de la mezcla ($k=0$).
  • El marco soporta la prueba de funcionales arbitrarios $F(\beta_j)$ (por ejemplo, "¿el efecto cambia de signo?" o "¿es el efecto más fuerte en el periodo medio?"), no solo desviaciones simples de una base.

• Ajuste de la Prior para la Conservaduridad:

  • Reconociendo que la especificación errónea de la prior alternativa puede conducir a inferencias anti-conservadoras (tasas de falsos descubrimientos infladas), los autores proponen un ajuste basado en el Factor de Bayes (BF).
  • Aprovechando la propiedad de que el factor de Bayes esperado bajo la nula es 1, el algoritmo ajusta la proporción nula estimada $\hat{\pi}_0$ para asegurar que sea conservadora (es decir, $\hat{\pi}_0 \geq \pi_0$). Esto garantiza que las inferencias resultantes sean conservadoras incluso si la familia de la prior alternativa está mal especificada, siempre que el modelo nulo esté correctamente especificado.

Resultados Clave: Aplicación a eQTLs Dinámicos
Los autores aplicaron FASH para reanalizar un conjunto de datos de eQTL dinámicos de Strober et al. (2019), que involucra 19 líneas celulares durante la diferenciación de cardiomiocitos a lo largo de 16 días (aproximadamente 1 millón de pares gen-variante).

• Poder de Descubrimiento: Utilizando un modelo de base constante ($L=D_1$), FASH identificó 9,205 eQTLs dinámicos (1,177 genes) con un FDR de 0.05. Este es un aumento sustancial comparado con el estudio original de modelos de interacción paramétricos (lineal y cuadrático), que identificaron 5,404 y 6,824 pares respectivamente.
• Flexibilidad: FASH capturó con éxito diversos patrones temporales que los modelos paramétricos pasaron por alto, incluyendo cambios abruptos en la fuerza del efecto y trayectorias no monotónicas.
• Caracterización: Usando un modelo de base lineal ($L=D_2$), FASH identificó 44 eQTLs dinámicos no lineales (9 genes).
• Nuevos Hallazgos Biológicos: Los autores categorizaron los eQTLs dinámicos en patrones temporales (tempranos, medios, tardíos y "cambio" donde la dirección del efecto cambia). El análisis de enriquecimiento de conjuntos de genes reveló que los eQTLs dinámicos de "cambio" estaban significativamente enriquecidos para genes regulados al alza por hipoxia y activación de K-Ras, vías conocidas por influir en la proliferación y diferenciación de células madre.
• Software: El método está implementado en el paquete de R fashr, el cual opera sobre estadísticas de resumen, lo que lo hace aplicable incluso cuando no se dispone de datos a nivel individual.

Significancia y Reivindicaciones
El artículo afirma que FASH ofrece un marco estadístico flexible y basado en principios para el análisis conjunto de datos funcionales que se extiende más allá de la genómica. Sus contribuciones primarias son:

1. Suavizado Adaptativo: Permite el suavizado adaptativo y el préstamo de información entre unidades sin requerir formas paramétricas preespecificadas para las funciones de efecto.
2. Pruebas de Hipótesis Robustas: Proporciona un marco unificado para probar hipótesis complejas sobre formas funcionales (por ejemplo, no linealidad, cambio de signo) con tasas de error calibradas.
3. Inferencia Conservadora: El ajuste propuesto basado en BF aborda una limitación conocida de los métodos de Bayes Empírico respecto a la especificación errónea de la prior, asegurando una inferencia conservadora en entornos de alta dimensión.
4. Utilidad Práctica: Al operar sobre estadísticas de resumen y proporcionar un paquete de R accesible, FASH facilita el reanálisis de estudios existentes de eQTL dinámico y el análisis de nuevos conjuntos de datos donde los datos a nivel individual pueden estar restringidos.

Los autores señalan que, aunque FASH se demuestra en eQTLs dinámicos, la metodología es general y aplicable a otros entornos de datos funcionales, incluyendo datos espaciales o trayectorias de secuenciación de ARN de célula única.