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

Resumo Técnico: Shrinkage de Bayes Empírico para Efeitos Funcionais (FASH)

Definição do Problema
A genômica moderna, particularmente os estudos de locus de traço de expressão quantitativa (eQTL) dinâmicos, gera conjuntos de dados massivos onde o efeito de uma variante genética na expressão gênica é medido através de uma variável de condição contínua (ex: tempo, níveis de oxigênio). Esses estudos produzem estimativas de efeito ruidosas para milhares a milhões de unidades genômicas (pares gene-variante) em múltiplos pontos temporais. Os principais desafios são:

1. Estimativa: Recuperar com precisão a "função de efeito" subjacente (como o efeito muda ao longo da condição) a partir de dados ruidosos.
2. Teste de Hipóteses: Identificar quais unidades se desviam de um comportamento nulo ou basal (ex: nenhuma mudança ao longo do tempo, ou mudança linear) sem fazer suposições paramétricas restritivas sobre a forma do efeito.
3. Calibração: Garantir que as inferências de Bayes Empírico (EB) permaneçam calibradas e conservadoras, mesmo quando a distribuição a priori sob a hipótese alternativa é mal especificada — um problema comum em dados funcionais de alta dimensão.

Metodologia: Shrinkage Adaptativo Funcional (FASH)
Os autores introduzem o FASH, uma estrutura de Bayes Empírico projetada para a análise conjunta de unidades de observação onde cada unidade estima uma função de efeito.

• Estrutura Estatística:

  • Modelo de Dados: Para cada unidade $j$, as estimativas de efeito observadas $\hat{\beta}_j(t)$ em pontos temporais discretos são modeladas como distribuídas normalmente em torno da função verdadeira subjacente $\beta_j(t)$ com erros padrão conhecidos.
  • Especificação da Priori (Família L-GP): O método utiliza uma família de Processos Gaussianos (GPs) definidos por operadores diferenciais lineares, denominada família L-GP. Um modelo basal $S_0$ é definido por um operador diferencial linear $L$ (ex: $L=D_1$ para funções constantes, $L=D_2$ para funções lineares). A priori assume que $\beta \sim \text{L-GP}(\sigma)$, onde $\sigma$ quantifica o desvio do espaço basal $S_0$.
  • Priori de Mistura Adaptativa: Para permitir o shrinkage orientado pelos dados, o FASH emprega uma mistura de prioris L-GP: $g_\beta = \sum \pi_k \text{L-GP}(\sigma_k)$. Os pesos de mistura $\pi_k$ são aprendidos via estimativa de máxima verossimilhança entre todas as unidades, efetivamente agrupando informações para adaptar a quantidade de shrinkage para cada unidade com base em quão bem seus dados se ajustam ao modelo basal.
  • Inferência Posterior: Devido à conjugação, a distribuição posterior para cada unidade também é uma mistura de GPs. Isso permite o cálculo das médias posteriores (funções de efeito suavizadas) e intervalos de credibilidade.

• Teste de Hipóteses:

  • O FASH calcula as taxas de falsa descoberta locais (lfdr) e as taxas de falso sinal locais (lfsr).
  • Testar $H_0: \beta_j \in S_0$ corresponde a estimar a probabilidade posterior de que a unidade pertença ao componente nulo da mistura ($k=0$).
  • A estrutura suporta o teste de funcionais arbitrários $F(\beta_j)$ (ex: "o efeito muda de sinal?" ou "o efeito é mais forte no período central?"), não apenas desvios simples de um basal.

• Ajuste de Priori para Conservadorismo:

  • Reconhecendo que a má especificação da priori alternativa pode levar a inferências anti-conservadoras (taxas de falsa descoberta infladas), os autores propõem um ajuste baseado no Fator de Bayes (BF).
  • Aproveitando a propriedade de que o Bayes Factor esperado sob a nulidade é 1, o algoritmo ajusta a proporção nula estimada $\hat{\pi}_0$ para garantir que ela seja conservadora (ou seja, $\hat{\pi}_0 \geq \pi_0$). Isso garante que as inferências resultantes sejam conservadoras mesmo se a família da priori alternativa for mal especificada, desde que o modelo nulo seja corretamente especificado.

Resultados Principais: Aplicação a eQTLs Dinâmicos
Os autores aplicaram o FASH para reanalisar um conjunto de dados de eQTL dinâmico de Strober et al. (2019), envolvendo 19 linhagens celulares passando por diferenciação de cardiomiócitos ao longo de 16 dias (aproximadamente 1 milhão de pares gene-variante).

• Poder de Descoberta: Usando um modelo basal constante ($L=D_1$), o FASH identificou 9.205 eQTLs dinâmicos (1.177 genes) a um FDR de 0,05. Este é um aumento substancial comparado ao estudo original de modelos de interação paramétricos (linear e quadrático), que identificaram 5.404 e 6.824 pares, respectivamente.
• Flexibilidade: O FASH capturou com sucesso diversos padrões temporais que os modelos paramétricos perderam, incluindo mudanças abruptas na força do efeito e trajetórias não monótonas.
• Caracterização: Usando um modelo basal linear ($L=D_2$), o FASH identificou 44 eQTLs dinâmicos não lineares (9 genes).
• Novos Insights Biológicos: Os autores categorizaram os eQTLs dinâmicos em padrões temporais (iniciais, médios, tardios e "switch", onde a direção do efeito muda). A análise de enriquecimento de conjuntos de genes revelou que os eQTLs dinâmicos do tipo "switch" estavam significativamente enriquecidos para genes regulados positivamente por hipóxia e ativação de K-Ras, vias conhecidas por influenciar a proliferação e diferenciação de células-tronco.
• Software: O método é implementado no pacote R fashr, que opera sobre estatísticas de resumo, tornando-o aplicável mesmo quando dados de nível individual não estão disponíveis.

Significância e Alegações
O artigo afirma que o FASH oferece uma estrutura estatística flexível e fundamentada para a análise conjunta de dados funcionais que se estende além da genômica. Suas principais contribuições são:

1. Suavização Adaptativa: Permite a suavização adaptativa e o empréstimo de informação entre unidades sem exigir formas paramétricas pré-especificadas para as funções de efeito.
2. Teste de Hipóteses Robusto: Fornece uma estrutura unificada para testar hipóteses complexas sobre formas funcionais (ex: não linearidade, mudança de sinal) com taxas de erro calibradas.
3. Inferência Conservadora: O ajuste baseado em BF proposto aborda uma limitação conhecida dos métodos de Bayes Empírico em relação à má especificação da priori, garantindo inferência conservadora em cenários de alta dimensão.
4. Utilidade Prática: Ao operar em estatísticas de resumo e fornecer um pacote R acessível, o FASH facilita a reanálise de estudos existentes de eQTL dinâmico e a análise de novos conjuntos de dados onde dados de nível individual podem ser restritos.

Os autores observam que, embora o FASH tenha sido demonstrado em eQTLs dinâmicos, a metodologia é geral e aplicável a outros contextos de dados funcionais, incluindo dados espaciais ou trajetórias de sequenciamento de RNA de célula única (single-cell RNA sequencing).