Annotation-Informed Block-Sparse Bayesian Modeling for cis-Expression Prediction

तकनीकी सारांश: cis-अभिव्यक्ति भविष्यवाणी के लिए एनोटेशन-सूचित ब्लॉक-स्पार्स बेयसियन मॉडलिंग

समस्या विवरण
जीनोटाइप-आधारित cis-अभिव्यक्ति भविष्यवाणी, ट्रांसक्रिप्टोम-वाइड एसोसिएशन स्टडी (TWAS) वेट्स के निर्माण के लिए मौलिक है। हालांकि, वर्तमान पद्धतियां एक दोहरी सांख्यिकीय और जैविक चुनौती का सामना करती हैं: संदर्भ ट्रांसक्रिप्टोम पैनलों में आमतौर पर सैकड़ों व्यक्ति होते हैं, जबकि cis-विंडोज़ में हजारों सह-संबंधित वेरिएंट शामिल हो सकते हैं। यह उच्च-आयामी, निम्न-नमूना शासन (high-dimensional, low-sample regime) कड़े नियमितीकरण (regularization) की मांग करता है। मौजूदा दृष्टिकोण आम तौर पर दो श्रेणियों में आते हैं: स्पार्स पेनलाइज्ड रिग्रेशन (जैसे, LASSO, elastic net) जो SNPs को विनिमेय (exchangeable) मानता है, और डेंस मिक्स्ड मॉडल (जैसे, BLUP) जो सिग्नल को व्यापक रूप से वितरित करता है। इनमें से कोई भी वर्ग सह-संबंधित cis वेरिएंट के स्थानीय संगठन को विशेष रूप से मॉडल नहीं करता है, विशेष रूप से यह तथ्य कि नियामक संकेत अक्सर स्थानीय लिंकेज डिसइक्विलिब्रियम (LD) ब्लॉकों या हैप्लोटाइप पड़ोस के भीतर उत्पन्न होते हैं और ट्रांसक्रिप्शन स्टार्ट साइट (TSS) के पास के वेरिएंट जैविक रूप से अधिक संभावित रूप से कारण (causal) होते हैं। फलस्वरूप, कोई भी एकल दृष्टिकोण विविध जीन, ऊतकों और पूर्वजों (ancestries) में समान रूप से अनुकूल सिद्ध नहीं हुआ है।

कार्यप्रणाली: bsBSLMM
लेखक ब्लॉक-स्पार्स बेयसियन स्पार्स लीनियर मिक्स्ड मॉडल (bsBSLMM) का प्रस्ताव करते हैं, जो मानक बेयसियन स्पार्स लीनियर मिक्स्ड मॉडल (BSLMM) का एक पदानुक्रमित विस्तार है। यह मॉडल मानकीकृत जीन अभिव्यक्ति ($\mathbf{y}$) को एक स्पार्स cis-प्रभाव घटक ($\mathbf{X}\boldsymbol{\beta}$), एक डेंस पॉलीजेनिक बैकग्राउंड ($\mathbf{g}$), और अवशिष्ट शोर ($\boldsymbol{\epsilon}$) में विभाजित करता है।

नवाचार दो विशिष्ट प्रायर संरचनाओं (prior structures) में निहित है जो स्पार्स घटक पर आरोपित की गई हैं:

1. LD-ब्लॉक स्पाइक-एंड-स्लैब स्पैरसिटी (Sparsity): व्यक्तिगत SNPs के बजाय, निरंतर (contiguous) SNPs को एक सहसंबंध सीमा ($r^2 < 0.1$) या अधिकतम आकार (200 SNPs) के आधार पर LD ब्लॉकों में विभाजित किया जाता है। एक ब्लॉक-स्तरीय संकेतक चर ($z_b$) प्रत्येक ब्लॉक को नियंत्रित करता है। यदि एक ब्लॉक निष्क्रिय ($z_b=0$) है, तो उस ब्लॉक के भीतर सभी SNP प्रभाव नियत रूप से शून्य सेट कर दिए जाते हैं। यह स्पैरसिटी की इकाई को व्यक्तिगत SNPs से बदलकर LD पड़ोस में स्थानांतरित कर देता है।
2. TSS-सूचित SNP समावेशन प्रायर: सक्रिय ब्लॉकों के भीतर, एक SNP के शामिल होने की संभावना ($\pi_j$) समान नहीं होती है, बल्कि इसे TSS से इसकी दूरी के फलन (function) के रूप में मॉडल किया जाता है। विशेष रूप से, $\pi_j = \sigma(\alpha + \kappa a_j)$, जहाँ $a_j$ मेगाबेस में SNP-से-TSS दूरी है, और $\kappa$ एक जीन-विशिष्ट गुणांक है जिसे MCMC चेन के भीतर संयुक्त रूप से सीखा जाता है। यह मॉडल को TSS-समीपवर्ती वेरिएंटों का पक्ष लेने की अनुमति देता है, जबकि डेटा को प्रत्येक जीन के लिए इस प्राथमिकता की शक्ति निर्धारित करने देता है।

अनुमान (Inference) एक 'मेट्रोपोलिस-विदिन-गिब्स' (Metropolis-within-Gibbs) सैंपलर का उपयोग करके किया जाता है। गणनात्मक व्यवहार्यता सुनिश्चित करने के लिए, डेंस पॉलीजेनिक बैकग्राउंड को GRM रोटेशन (जेनेटिक रिलेशनशिप मैट्रिक्स का विकर्णीकरण) के माध्यम से अपडेट किया जाता है, और ब्लॉक-स्तरीय संकेतकों को मार्जिनल लाइकलीहुड के डायगोनल सन्निकटन का उपयोग करके अपडेट किया जाता है, जिसके बाद एक अनुक्रमिक 'विदिन-ब्लॉक SNP स्कैन' किया जाता है जो पूर्ण LD कपलिंग को बनाए रखता है।

प्रमुख योगदान

• नया पदानुक्रमित प्रायर (Hierarchical Prior): एक एकीकृत बेयसियन मिक्स्ड मॉडल ढांचे में LD-ब्लॉक संरचना और एनोटेशन-सूचित प्रायर का एकीकरण।
• घटकों का एब्लेशन (Ablation of Components): अध्ययन स्पष्ट रूप से ब्लॉक-स्तरीय स्पैरसिटी और TSS-दूरी प्रायर के योगदान को अलग करता है, यह प्रदर्शित करते हुए कि दोनों घटक विशिष्ट, योगात्मक सुधार प्रदान करते हैं।
• व्यापक बेंचमार्किंग: विधि का मूल्यांकन कई डेटासेट और पूर्वजों के विरुद्ध विभिन्न बेसलाइनों (BSLMM, LASSO, BLUP, TIGAR elastic net, और TIGAR Dirichlet-process regression) के विरुद्ध किया गया है।
• डाउनस्ट्रीम सत्यापन: सीखे गए वेट्स की उपयोगिता को न केवल भविष्यवाणी सटीकता द्वारा, बल्कि नियामक एनोटेशन में कार्यात्मक संवर्धन (functional enrichment) और TWAS में रोग-प्रासंगिक संकेतों की रिकवरी द्वारा भी सत्यापित किया गया है।

परिणाम

• भविदन प्रदर्शन: GEUVADIS यूरोपीय-वंश वाले लिम्फोब्लास्टॉइड सेल लाइन (LCL) डेटासेट (23,098 जीन) में, bsBSLMM ने सख्त भविष्यवाणी फिल्टरों को पास करने वाले उच्चतम संख्या में जीन बनाए रखे (3,518 जीन), जो मैचड-MCMC BSLMM से 388 जीन (+12.4%) अधिक है। साझा रिटेन किए गए जीनों पर, bsBSLMM ने सभी बेसलाइनों की तुलना में काफी उच्च युग्मित होल्ड-आउट भविष्यवाणी सटीकता (औसत $\Delta r = +0.0189$) दिखाई।
• घटक योगदान: एब्लेशन अध्ययनों से पता चला कि LD-ब्लॉक परत सुधार का प्राथमिक चालक थी (265 जीन और $\Delta r = +0.0155$ जोड़ना), जबकि TSS-दूरी प्रायर ने छोटा लेकिन निरंतर वृद्धिशील लाभ प्रदान किया (123 जीन और $\Delta r = +0.0035$ जोड़ना)।
• जैविक तर्कसंगतता: bsBSLMM द्वारा चयनित वेरिएंट्स ने BSLMM की तुलना में LCL-प्रासंगिक नियामक क्षेत्रों (GM12878 DNase और H3K27ac पीक्स) में मजबूत संवर्धन दिखाया। सीखा गया TSS-दूरी गुणांक 98.8% जीनों में नकारात्मक था, जो इस मॉडल की जैविक प्रायर को रिकवर करने की क्षमता की पुष्टि करता है कि समीपवर्ती वेरिएंट सक्रिय होने की अधिक संभावना रखते हैं।
• TWAS खोज: एक IBD TWAS विश्लेषण में, bsBSLMM ने स्थापित संकेतों (जैसे, IL23R) को पुनः प्राप्त किया और 30 अतिरिक्त जीनोम-वाइड महत्वपूर्ण जीन की पहचान की जो BSLMM द्वारा नहीं पाए गए थे।
• क्रॉस-एंसेस्ट्री सत्यापन: एक स्वतंत्र लुइसियाना ऑस्टियोपोरोसिस स्टडी (LOS) होल-ब्लड कोहॉर्ट (Caucasian American और African American उप-कोहॉर्ट्स) में, bsBSLMM ने भविष्यवाणी लाभ को पुनरुत्पादित किया, सर्वाधिक जीन बनाए रखे और युग्मित तुलनाओं में बेसलाइनों को पछाड़ दिया। बोन मिनरल डेंसिटी (eBMD) के लिए डाउनस्ट्रीम TWAS ने जैविक रूप से प्रासंगिक पथों (pathways) को रिकवर किया।
• गणनात्मक व्यवहार्यता: Python+Numba कार्यान्वयन को प्रति जीन औसत 55.6 सेकंड की आवश्यकता थी, जबकि एक C++ कार्यान्वयन ने इसे घटाकर 30.8 सेकंड कर दिया, जिससे यह अतिरिक्त जटिलता के बावजूद मैचड-MCMC BSLMM के तुलनात्मक रूप से गणनात्मक रूप से सक्षम बना।

महत्व
यह शोध दावा करता है कि LD-ब्लॉक संरचना और जैविक रूप से सूचित SNP प्रायर को शामिल करने से cis-अभिव्यक्ति भविष्यवाणी में सुधार होता है और डाउनस्ट्रीम TWAS खोज को बढ़ाता है। परिणाम दर्शाते हैं कि सह-संबंधित वेरिएंट के स्थानीय संगठन को मॉडल करना और जीनोमिक स्थिति प्रायर का लाभ उठाना, मानक स्पार्स या डेंस मॉडल की तुलना में अधिक सटीक नियामक वास्तुकला की पहचान करने की अनुमति देता है। विधि सफलतापूर्वक मॉडल जटिलता और भविष्य कहनेवाला शक्ति के बीच संतुलन बनाती है, जिससे ऐसे वेट्स प्राप्त होते हैं जो न केवल अधिक भविष्य कहनेवाला (predictive) हैं, बल्कि अधिक जैविक रूप से व्याख्या योग्य और विविध पूर्वजों एवं लक्षणों के लिए हस्तांतरणीय भी हैं। लेखक निष्कर्ष निकालते हैं कि bsBSLMM एक मॉड्यूलर बेयसियन प्रायर प्रदान करता है जो अनुमानित जीनों की प्राप्ति और उनके प्रभाव अनुमानों की सटीकता दोनों में सुधार करता है।