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

Technische Samenvatting: Empirical Bayes Shrinkage of Functional Effects (FASH)

Probleemstelling
Moderne genomica, met name bij dynamische expression quantitative trait locus (eQTL) studies, genereert enorme datasets waarbij het effect van een genetische variant op genexpressie wordt gemeten over een continue conditievariabele (bijv. tijd, zuurstofniveaus). Deze studies produceren ruisgevoelige schattingen van effecten voor duizenden tot miljoenen genomische eenheden (gen-variant paren) op meerdere tijdstippen. De primaire uitdagingen zijn:

1. Schatting: Het nauwkeurig herstellen van de onderliggende "effectfunctie" (hoe het effect verandert over de conditie) uit ruisgevoelige data.
2. Hypothesetoetsing: Het identificeren van welke eenheden afwijken van een nul- of baselinegedrag (bijv. geen verandering over de tijd, of een lineaire verandering) zonder restrictieve parametrische aannames te doen over de vorm van het effect.
3. Kalibratie: Ervoor zorgen dat Empirical Bayes (EB) inferenties gekalibreerd en conservatief blijven, zelfs wanneer de priorverdeling onder de alternatieve hypothese misgespecificeerd is — een veelvoorkomend probleem bij hoogdimensionale functionele data.

Methodologie: Functional Adaptive Shrinkage (FASH)
De auteurs introduceren FASH, een Empirical Bayes-framework ontworpen voor de gezamenlijke analyse van observatie-eenheden waarbij elke eenheid een effectfunctie schat.

• Statistisch Framework:

  • Datamodel: Voor elke eenheid $j$ worden geobserveerde effectschattingen $\hat{\beta}_j(t)$ op discrete tijdstippen gemodelleerd als normaal verdeeld rond de ware onderliggende functie $\beta_j(t)$ met bekende standaardfouten.
  • Prior Specificatie (L-GP Familie): De methode maakt gebruik van een familie van Gaussian Processes (GPs) die worden gedefinieerd door lineaire differentiaaloperatoren, de zogenaamde L-GP familie. Een baseline model $S_0$ wordt gedefinieerd door een lineaire differentiaaloperator $L$ (bijv. $L=D_1$ voor constante functies, $L=D_2$ voor lineaire functies). De prior gaat ervan uit dat $\beta \sim \text{L-GP}(\sigma)$, waarbij $\sigma de afwijking van de baseline-ruimte$S_0$ kwantificeert.
  • Adaptive Mixture Priors: Om data-gestuurde shrinkage mogelijk te maken, gebruikt FASH een mengeling van L-GP priors: $g_\beta = \sum \pi_k \text{L-GP}(\sigma_k)$. De menggewichten $\pi_k$ worden geleerd via maximum likelihood-schatting over alle eenheden, waarbij informatie wordt gebundeld om de hoeveelheid shrinkage voor elke eenheid aan te passen op basis van hoe goed de data past bij het baseline model.
  • Posterior Inferentie: Vanwege de conjugaliteit is de posterior distributie voor elke eenheid ook een mengeling van GPs. Dit maakt de berekening van posterior gemiddelden (gesmoothde effectfuncties) en betrouwbaarheidsintervallen mogelijk.

• Hypothesetoetsing:

  • FASH berekent local false discovery rates (lfdr) en local false sign rates (lfsr).
  • Toetsen van $H_0: \beta_j \in S_0$ komt overeen met het schatten van de posterior waarschijnlijkheid dat de eenheid tot de nul-component van de mengeling behoort ($k=0$).
  • Het framework ondersteunt het toetsen van willekeurige functionalen $F(\beta_j)$ (bijv. "verandert het effect van teken?" of "is het effect het sterkst in de middelste periode?"), niet alleen eenvoudige afwijkingen van een baseline.

• Prior Aanpassing voor Conservatisme:

  • In het besef dat een misgespecificeerde alternatieve prior kan leiden tot anti-conservatieve inferenties (geinflateerde false discovery rates), stellen de auteurs een Bayes Factor (BF)-gebaseerde aanpassing voor.
  • Door gebruik te maken van de eigenschap dat de verwachte Bayes factor onder de nul gelijk is aan 1, past het algoritme de geschatte nul-proportie $\hat{\pi}_0$ aan om ervoor te zorgen dat deze conservatief is (d.w.z. $\hat{\pi}_0 \geq \pi_0$). Dit garandeert dat de resulterende inferenties conservatief zijn, zelfs als de alternatieve prior-familie misgespecificeerd is, mits het nul-model correct gespecificeerd is.

Belangrijkste Resultaten: Toepassing op Dynamische eQTLs
De auteurs hebben FASH toegepast op een dynamische eQTL-dataset van Strober et al. (2019), bestaande uit 19 cellijnen die cardiomyocyt-differentiatie ondergaan over 16 dagen (ongeveer 1 miljoen gen-variant paren).

• Ontdekkingskracht: Door een constant baseline model ($L=D_1$) te gebruiken, identificeerde FASH 9.205 dynamische eQTLs (1.177 genen) bij een FDR van 0,05. Dit is een substantiële toename vergeleken met de oorspronkelijke studie met parametrische interactiemodellen (lineair en kwadratisch), die respectievelijk 5.404 en 6.824 paren identificeerden.
• Flexibiliteit: FASH slaagde erin diverse temporele patronen te vangen die parametrische modellen misten, inclusief abrupte veranderingen in effectsterkte en niet-monotone trajecten.
• Karakterisering: Met een lineair baseline model ($L=D_2$) identificeerde FASH 44 niet-lineaire dynamische eQTLs (9 genen).
• Nieuwe Biologische Inzichten: De auteurs categoriseerden de dynamische eQTLs in temporele patronen (vroeg, midden, laat, en "switch" waarbij de richting van het effect verandert). Genenset-verrijkingsanalyse toonde aan dat "switch" dynamische eQTLs significant verrijkt waren voor genen die worden opgereguleerd door hypoxie en K-Ras activatie, pathways die bekend staan om hun invloed op stamcelproliferatie en differentiatie.
• Software: De methode is geïmplementeerd in het R-pakket fashr, dat werkt op samenvattende statistieken (summary statistics), waardoor het ook toepasbaar is wanneer gegevens op individueel niveau niet beschikbaar zijn.

Betekenis en Claims
Het artikel beweert dat FASH een flexibel, principieel statistisch framework biedt voor de gezamenlijke analyse van functionele data dat verder gaat dan de genomica. De belangrijkste bijdragen zijn:

1. Adaptive Smoothing: Het maakt adaptieve smoothing en informatiebundeling over eenheden mogelijk zonder dat vooraf gespecificeerde parametrische vormen voor de effectfuncties vereist zijn.
2. Robuuste Hypothesetoetsing: Het biedt een verenigd framework voor het testen van complexe hypotheses over functionele vormen (bijv. niet-lineariteit, tekenverandering) met gekalibreerde foutenpercentages.
3. Conservatieve Inferentie: De voorgestelde BF-gebaseerde aanpassing adresseert een bekende beperking van Empirical Bayes-methoden met betrekking tot prior-misspecificatie, wat zorgt voor conservatieve inferentie in hoogdimensionale settings.
4. Praktisch Nut: Door te werken met samenvattende statistieken en een toegankelijk R-pakket te bieden, faciliteert FASH de heranalyse van bestaande dynamische eQTL-studies en de analyse van nieuwe datasets waarbij gegevens op individueel niveau beperkt kunnen zijn.

De auteurs merken op dat hoewel FASH is gedemonstreerd op dynamische eQTLs, de methodologie algemeen is en toepasbaar is op andere functionele data-settings, waaronder ruimtelijke data of single-cell RNA-sequencing trajecten.