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

Sintesi Tecnica: Empirical Bayes Shrinkage of Functional Effects (FASH)

Enunciato del Problema
La genomica moderna, in particolare gli studi sui loci di espressione quantitativa (eQTL) dinamici, genera enormi dataset in cui l'effetto di una variante genetica sull'espressione genica è misurato attraverso una variabile di condizione continua (ad esempio, tempo, livelli di ossigeno). Questi studi producono stime di effetto rumorose per miglia di unità genomiche (coppie gene-variante) in molteplici punti temporali. Le sfide primarie sono:

1. Stima: Recuperare accuratamente la funzione di effetto sottostante (come l'effetto cambia rispetto alla condizione) da dati rumorosi.
2. Test d'Ipotesi: Identificare quali unità deviano da un comportamento nullo o di base (ad esempio, assenza di variazione nel tempo, o variazione lineare) senza fare assunzioni parametriche restrittive sulla forma dell'effetto.
3. Calibrazione: Garantire che le inferenze di Bayes Empirico (EB) rimangano calibrate e conservative, anche quando la distribuzione a priori sotto l'ipotesi alternativa è errata (misspecified)—un problema comune nei dati funzionali ad alta dimensionalità.

Metodologia: Functional Adaptive Shrinkage (FASH)
Gli autori introducono FASH, un framework di Bayes Empirico progettato per l'analisi congiunta di unità di osservazione in cui ogni unità stima una funzione di effetto.

• Framework Statistico:

  • Modello dei Dati: Per ogni unità $j$, le stime dell'effetto osservate $\hat{\beta}_j(t)$ in punti temporali discreti sono modellate come distribuite normalmente attorno alla vera funzione sottostante $\beta_j(t)$ con errori standard noti.
  • Specificazione del Prior (Famiglia L-GP): Il metodo utilizza una famiglia di Processi Gaussiani (GP) definiti da operatori differenziali lineari, denominata la famiglia L-GP. Un modello di base $S_0$ è definito da un operatore differenziale lineare $L$ (ad esempio, $L=D_1$ per funzioni costanti, $L=D_2$ per funzioni lineari). Il prior assume $\beta \sim \text{L-GP}(\sigma)$, dove $\sigma$ quantifica la deviazione dallo spazio di base $S_0$.
  • Prior di Miscela Adattiva: Per consentire il restringimento (shrinkage) guidato dai dati, FASH impiega una miscela di prior L-GP: $g_\beta = \sum \pi_k \text{L-GP}(\sigma_k)$. I pesi della miscela $\pi_k$ sono appresi tramite la stima della massima verosimiglianza attraverso tutte le unità, mediando efficacemente l'informazione per adattare la quantità di shrinkage per ogni unità in base a quanto bene i suoi dati si adattano al modello di base.
  • Inferenza Posteriore: Grazie alla coniugatezza, la distribuzione posteriore per ogni unità è anch'essa una miscela di GP. Ciò consente il calcolo delle medie posteriori (funzioni di effetto smussate/smoothed) e degli intervalli di credibilità.

• Test d'Ipotesi:

  • FASH calcola i tassi di falsa scoperta locali (lfdr) e i tassi di falso segno locali (lfsr).
  • Testare $H_0: \beta_j \in S_0$ corrisponde a stimare la probabilità posteriore che l'unità appartenga alla componente nulla della miscela ($k=0$).
  • Il framework supporta il test di arbitrarie funzionali $F(\beta_j)$ (ad esempio, "l'effetto cambia segno?" o "l'effetto è massimo nel periodo centrale?"), non solo semplici deviazioni da una linea di base.

• Regolazione del Prior per la Conservatività:

  • Riconoscendo che l'errata specificazione del prior alternativo può portare a inferenze anti-conservative (tassi di falsa scoperta gonfiati), gli autori propongono un aggiustamento basato sul Fattore di Bayes (BF).
  • Sfruttando la proprietà per cui il fattore di Bayes atteso sotto l'ipotesi nulla è 1, l'algoritmo aggiusta la proporzione nulla stimata $\hat{\pi}_0$ per garantire che sia conservativa (ovvero, $\hat{\pi}_0 \geq \pi_0$). Ciò garantisce che le inferenze risultanti siano conservative anche se la famiglia del prior alternativo è errata, a condizione che il modello nullo sia correttamente specificato.

Risultati Chiave: Applicazione agli eQTL Dinamici
Gli autori hanno applicato FASH per rianalizzare un dataset di eQTL dinamici di Strober et al. (2019), che coinvolge 19 linee cellulari in differenziazione cardiomiocitica su 16 giorni (circa 1 milione di coppie gene-variante).

• Potere di Scoperta: Utilizzando un modello di base costante ($L=D_1$), FASH ha identificato 9.205 eQTL dinamici (1.177 geni) con un FDR di 0,05. Si tratta di un aumento sostanziale rispetto allo studio originale che utilizzava modelli di interazione parametrici (lineari e quadratici), i quali avevano identificato rispettivamente 5.404 e 6.824 coppie.
• Flessibilità: FASH ha catturato con successo diversi pattern temporali che i modelli parametrici hanno mancato, inclusi cambiamenti bruschi nella forza dell'effetto e traiettorie non monotone.
• Caratterizzazione: Utilizzando un modello di base lineare ($L=D_2$), FASH ha identificato 44 eQTL dinamici non lineari (9 geni).
• Nuovi Approfondimenti Biologici: Gli autori hanno categorizzato gli eQTL dinamici in pattern temporali (presto, medio, tardivo e "switch", dove la direzione dell'effetto cambia). L'analisi di arricchimento dei set genici ha rivelato che gli eQTL dinamici di tipo "switch" erano significativamente arricchiti per geni up-regolati da ipossia e attivazione di K-Ras, pathway noti per influenzare la proliferazione e la differenziazione delle cellule staminali.
• Software: Il metodo è implementato nel pacchetto R fashr, che opera su statistiche riassuntive (summary statistics), rendendolo applicabile anche quando i dati a livello individuale non sono disponibili.

Significatività e Rivendicazioni
Il paper sostiene che FASH offra un framework statistico flessibile e rigoroso per l'analisi congiunta di dati funzionali che va oltre la genomica. I suoi principali contributi sono:

1. Smoothing Adattivo: Consente lo smoothing adattivo e il prestito di informazioni tra le unità senza richiedere forme parametriche pre-specificate per le funzioni di effetto.
2. Test d'Ipotesi Robusto: Fornisce un framework unificato per testare ipotesi complesse sulle forme funzionali (ad esempio, non linearità, cambio di segno) con tassi di errore calibrati.
3. Inferenza Conservativa: L'aggiustamento proposto basato su BF affronta un limite noto dei metodi di Bayes Empirico riguardante la misspecification del prior, garantendo un'inferenza conservativa in contesti ad alta dimensionalità.
4. Utilità Pratica: Operando su statistiche riassuntive e fornendo un accessibile pacchetto R, FASH facilita la rianalisi di esistenti studi di eQTL dinamici e l'analisi di nuovi dataset dove i dati a livello individuale potrebbero essere limitati.

Gli autori osservano che, sebbene FASH sia stato dimostrato su eQTL dinamici, la metodologia è generale e applicabile ad altri contesti di dati funzionali, inclusi i dati spaziali o le traiettorie di sequenziamento di RNA a singola cellula.