CARhy: Comprehensive Analyses of Circadian Rhythms in Transcriptomic Experiments with Multiple Conditions

1. Enunciato del Problema

I ritmi circadiani sono oscillazioni endogene di 24 ore che regolano i processi fisiologici. Le interruzioni sono collegate a malattie come il cancro e i disturbi metabolici. Sebbene gli studi trascrittomici coinvolgano sempre più spesso multiple condizioni sperimentali (ad esempio, diversi genotipi, trattamenti o regimi alimentari), gli strumenti statistici esistenti per l'analisi della ritmicità soffrono di limitazioni critiche:

• Limitazioni a Coppie: La maggior parte dei metodi (ad esempio, DODR, CircaCompare) è limitata al confronto di sole due condizioni.
• Mancanza di Decomposizione: Gli strumenti esistenti spesso testano la "ritmicità differenziale" come un concetto monolitico, non riuscendo a districare cambiamenti specifici in ampiezza (magnitudine), fase (tempistica) o mesor (livello di base).
• Assunzioni Rigide: Molti metodi assumono omoschedasticità (varianza uguale tra le condizioni) e disegni bilanciati, che vengono frequentemente violati nei dati biologici reali dove le dimensioni del campione sono piccole e i livelli di rumore variano.
• Compromessi Computazionali/Statistici: Gli approcci bayesiani (ad esempio, dryR) possono gestire multiple condizioni ma sono computazionalmente costosi e si basano su soglie soggettive (pesi BIC) piuttosto che su valori p formali.

2. Metodologia

Gli autori propongono CARhy (Comprehensive Analysis of Rhythmicity), un quadro statistico unificato basato sulla regressione di Fourier a prima armonica.

A. Modello Statistico

Per un gene $g$ sotto la condizione $k$, il profilo di espressione $Y(t)$ è modellato come:
$$Y_{j,k}(t) = \delta_k + \alpha_k \cos\left(\frac{2\pi t}{24}\right) + \beta_k \sin\left(\frac{2\pi t}{24}\right) + \epsilon_{j,k}$$

• Parametri: $\delta_k$ (mesor/livello di base), $\alpha_k, \beta_k$ (coefficienti ritmici).
• Metriche Derivate: Ampiezza $A_k = \sqrt{\alpha_k^2 + \beta_k^2}$ e Fase $\phi_k = \text{atan2}(\beta_k, \alpha_k)$.
• Assunzione sul Rumore: Il modello permette esplicitamente l'eteroschedasticità, dove le varianze degli errori $\sigma^2_k$ possono differire tra le condizioni. Accoglie disegni sbilanciati (numeri variabili di replicati).

B. Quadro di Test delle Ipotesi

CARhy esegue cinque tipi distinti di inferenza utilizzando matrici di contrasto e nuove statistiche di test:

1. Test di Ritmicità (CARhy-TR): Testa $H_0: \alpha_k^2 + \beta_k^2 = 0$ (il gene è ritmico in una specifica condizione?).
   • Innovazione: Utilizza un metodo Monte Carlo per approssimare la distribuzione di riferimento della statistica di test, poiché la distribuzione esatta è una somma pesata di variabili $\chi^2$ non centrali.
2. Ritmicità Differenziale (CARhy-TDR): Testa $H_0: (\alpha_1, \beta_1) = \dots = (\alpha_K, \beta_K)$ (i ritmi sono identici tra tutte le $K$ condizioni?).
3. Mesor Differenziale (CARhy-TDM): Testa l'uguaglianza dei livelli di base ($\delta_k$) tra le condizioni.
4. Ampiezza Differenziale (CARhy-TDA): Testa l'uguaglianza delle ampiezze. Utilizza una trasformazione radice cubica ($\theta_k = (\alpha_k^2 + \beta_k^2)^{1/3}$) per migliorare la normalità dello stimatore.
5. Fase Differenziale (CARhy-TDP): Testa l'uguaglianza delle fasi.

C. Approssimazione Distribuzionale (Innovazione Chiave)

Per evitare approssimazioni asintotiche su grandi campioni inaffidabili (che falliscono negli esperimenti circadiani tipici a piccoli campioni, ad esempio $n=18$), gli autori derivano distribuzioni nulle a campione finito per le statistiche di test utilizzando l'approssimazione di Satterthwaite–Welch.

• Le statistiche di test (forme quadratiche) sono scalate per seguire una distribuzione F approssimata.
• I gradi di libertà ($df$) e le costanti di scala ($c$) sono calcolati utilizzando tecniche di adattamento dei momenti che tengono conto delle varianze specifiche per condizione e delle dimensioni del campione.
• Questo approccio elimina la necessità dell'assunzione di omoschedasticità.

3. Contributi Chiave

• Quadro Unificato Multi-Condizione: CARhy è il primo metodo a fornire un quadro statistico coerente per l'analisi di dati circadiani attraverso più di due condizioni simultaneamente.
• Decomposizione della Ritmicità: Separa e testa in modo unico le differenze in ampiezza, fase e mesor indipendentemente, invece di trattare la ritmicità differenziale come una singola scatola nera.
• Robustezza all'Eteroschedasticità: Derivando distribuzioni esatte a campione finito tramite l'approssimazione di Satterthwaite, CARhy rimane valido anche quando le varianze differiscono significativamente tra i gruppi e le dimensioni del campione sono sbilanciate.
• Efficienza Computazionale: A differenza dei metodi di selezione del modello bayesiano (dryR) che richiedono l'adattamento di numerosi modelli candidati per gene, CARhy adatta un singolo modello lineare per condizione, rendendolo significativamente più veloce e scalabile a dati trascrittomici ad alta dimensionalità.
• Implementazione Open-Source: Implementato come pacchetto R, rendendo la metodologia accessibile alla comunità biologica.

4. Risultati

Gli autori hanno validato CARhy attraverso estese simulazioni e applicazioni nel mondo reale.

A. Studi di Simulazione

• Controllo dell'Errore di Tipo I: CARhy ha mantenuto tassi di errore di Tipo I vicini al livello nominale di 0,05 in tutti gli scenari, incluso rumore eteroschedastico, distribuzioni a code pesanti (t di Student) e disegni sbilanciati.
  • Confronto: Competitori come DODR e dryR hanno mostrato errori di Tipo I inflati in presenza di eteroschedasticità e campionamento sbilanciato.
• Potere Statistico: CARhy ha costantemente raggiunto un potere superiore rispetto a DODR e dryR, specialmente in contesti difficili (dimensioni del campione disuguali, rumore a code pesanti).
• Controllo FDR: Nelle simulazioni con 2.000 geni, CARhy ha ottenuto i punteggi F1 più alti mantenendo l'FDR vicino a 0,05, superando dryR attraverso varie soglie BIC.

B. Applicazione su Dati Reali (Fegato di Topo)

• Dataset: Analizzati 12.365 geni da uno studio sul fegato di topo con tre regimi alimentari (Notturno, Ad Libitum, Arritmico).
• Rilevamento della Ritmicità: CARhy-TR ha identificato più geni ritmici sovrapposti a un database esterno (CGDB) rispetto al metodo non parametrico JTK CYCLE, dimostrando una maggiore sensibilità.
• Analisi Differenziale:
  • Identificati 469 geni con ritmicità differenziale (DR) e 724 non differenziali (NDR).
  • Validazione: I geni DR hanno mostrato una somiglianza del profilo temporale significativamente inferiore, una divergenza di ampiezza maggiore e una dispersione di fase più ampia rispetto ai geni NDR, confermando la validità biologica dei risultati statistici.
  • Specificità: CARhy-TDA e CARhy-TDP hanno identificato sottoinsiemi specifici di geni guidati da cambiamenti di ampiezza (222 geni) o spostamenti di fase (506 geni), fornendo intuizioni meccanicistiche.
• Prestazioni: CARhy è stato sostanzialmente più veloce di dryR (secondi contro minuti) e ha fornito valori p grezzi per una soglia flessibile, a differenza della dipendenza di dryR da tagli BIC arbitrari.

5. Significato

CARhy colma una lacuna critica nella biologia circadiana consentendo inferenze statistiche rigorose e complete per disegni sperimentali complessi e multi-condizione. La sua capacità di gestire eteroschedasticità e disegni sbilanciati senza sacrificare il potere lo rende altamente adatto a studi biologici realistici dove le dimensioni del campione sono limitate. Decomponendo i cambiamenti ritmici in componenti di ampiezza, fase e base, CARhy offre intuizioni biologiche più profonde su come le perturbazioni esterne (ad esempio, dieta, farmaci) rimodellano l'espressione genica circadiana. Il metodo stabilisce un nuovo standard per la riproducibilità e il rigore statistico nell'analisi del ritmo trascrittomico.