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

1. Formulação do Problema

Os ritmos circadianos são oscilações endógenas de 24 horas que regulam processos fisiológicos. Disrupções estão ligadas a doenças como câncer e distúrbios metabólicos. Embora estudos transcriptômicos envolvam cada vez mais múltiplas condições experimentais (por exemplo, diferentes genótipos, tratamentos ou regimes alimentares), as ferramentas estatísticas existentes para analisar a ritmicidade sofrem de limitações críticas:

• Limitações Pares: A maioria dos métodos (por exemplo, DODR, CircaCompare) restringe-se a comparar apenas duas condições.
• Falta de Decomposição: Ferramentas existentes frequentemente testam a "ritmicidade diferencial" como um conceito monolítico, falhando em desvendar mudanças específicas em amplitude (magnitude), fase (tempo) ou mesor (nível basal).
• Pressupostos Rígidos: Muitos métodos assumem homocedasticidade (variância igual entre condições) e desenhos balanceados, o que é frequentemente violado em dados biológicos reais, onde os tamanhos amostrais são pequenos e os níveis de ruído variam.
• Compensações Computacionais/Estatísticas: Abordagens Bayesianas (por exemplo, dryR) podem lidar com múltiplas condições, mas são computacionalmente caras e dependem de limiares subjetivos (pesos BIC) em vez de valores-p formais.

2. Metodologia

Os autores propõem o CARhy (Análise Abrangente de Ritmicidade), um quadro estatístico unificado baseado em regressão de Fourier de primeira harmônica.

A. Modelo Estatístico

Para um gene $g$ sob condição $k$, o perfil de expressão $Y(t)$ é modelado como:
$$Y_{j,k}(t) = \delta_k + \alpha_k \cos\left(\frac{2\pi t}{24}\right) + \beta_k \sin\left(\frac{2\pi t}{24}\right) + \epsilon_{j,k}$$

• Parâmetros: $\delta_k$ (mesor/basal), $\alpha_k, \beta_k$ (coeficientes rítmicos).
• Métricas Derivadas: Amplitude $A_k = \sqrt{\alpha_k^2 + \beta_k^2}$ e Fase $\phi_k = \text{atan2}(\beta_k, \alpha_k)$.
• Pressuposto de Ruído: O modelo permite explicitamente a heterocedasticidade, onde as variâncias de erro $\sigma^2_k$ podem diferir entre condições. Ele acomoda desenhos desbalanceados (números variados de réplicas).

B. Quadro de Teste de Hipóteses

O CARhy realiza cinco tipos distintos de inferência usando matrizes de contraste e estatísticas de teste inovadoras:

1. Teste de Ritmicidade (CARhy-TR): Testa $H_0: \alpha_k^2 + \beta_k^2 = 0$ (o gene é rítmico em uma condição específica?).
   • Inovação: Utiliza um método de Monte Carlo para aproximar a distribuição de referência da estatística de teste, uma vez que a distribuição exata é uma soma ponderada de variáveis $\chi^2$ não centrais.
2. Ritmicidade Diferencial (CARhy-TDR): Testa $H_0: (\alpha_1, \beta_1) = \dots = (\alpha_K, \beta_K)$ (os ritmos são idênticos em todas as $K$ condições?).
3. Mesor Diferencial (CARhy-TDM): Testa a igualdade dos níveis basais ($\delta_k$) entre condições.
4. Amplitude Diferencial (CARhy-TDA): Testa a igualdade das amplitudes. Utiliza uma transformação raiz cúbica ($\theta_k = (\alpha_k^2 + \beta_k^2)^{1/3}$) para melhorar a normalidade do estimador.
5. Fase Diferencial (CARhy-TDP): Testa a igualdade das fases.

C. Aproximação Distribucional (Inovação Chave)

Para evitar aproximações assintóticas de grandes amostras não confiáveis (que falham em experimentos circadianos típicos de pequena amostra, por exemplo, $n=18$), os autores derivam distribuições nulas de amostra finita para as estatísticas de teste usando a aproximação de Satterthwaite–Welch.

• As estatísticas de teste (formas quadráticas) são escalonadas para seguir uma distribuição F aproximada.
• Os graus de liberdade ($df$) e constantes de escala ($c$) são calculados usando técnicas de correspondência de momentos que levam em conta variâncias e tamanhos amostrais específicos de cada condição.
• Esta abordagem elimina a necessidade do pressuposto de homocedasticidade.

3. Contribuições Principais

• Quadro Unificado de Múltiplas Condições: O CARhy é o primeiro método a fornecer um quadro estatístico coerente para analisar dados circadianos em mais de duas condições simultaneamente.
• Decomposição da Ritmicidade: Ele separa e testa exclusivamente diferenças em amplitude, fase e mesor de forma independente, em vez de tratar a ritmicidade diferencial como uma única caixa preta.
• Robustez à Heterocedasticidade: Ao derivar distribuições exatas de amostra finita via aproximação de Satterthwaite, o CARhy permanece válido mesmo quando as variâncias diferem significativamente entre grupos e os tamanhos amostrais são desbalanceados.
• Eficiência Computacional: Ao contrário dos métodos de seleção de modelos Bayesianos (dryR) que exigem o ajuste de numerosos modelos candidatos por gene, o CARhy ajusta um único modelo linear por condição, tornando-o significativamente mais rápido e escalável para dados transcriptômicos de alta dimensão.
• Implementação de Código Aberto: Implementado como um pacote R, tornando a metodologia acessível à comunidade biológica.

4. Resultados

Os autores validaram o CARhy através de simulações extensas e aplicação no mundo real.

A. Estudos de Simulação

• Controle do Erro Tipo I: O CARhy manteve taxas de Erro Tipo I próximas ao nível nominal de 0,05 em todos os cenários, incluindo ruído heterocedástico, distribuições de cauda pesada (t de Student) e desenhos desbalanceados.
  • Comparação: Concorrentes como DODR e dryR mostraram erros Tipo I inflados sob heterocedasticidade e amostragem desbalanceada.
• Poder Estatístico: O CARhy consistentemente alcançou maior poder do que DODR e dryR, particularmente em configurações desafiadoras (tamanhos amostrais desiguais, ruído de cauda pesada).
• Controle do FDR: Em simulações com 2.000 genes, o CARhy alcançou as maiores pontuações F1 enquanto mantinha o FDR próximo de 0,05, superando o dryR em vários limiares BIC.

B. Aplicação em Dados Reais (Fígado de Camundongo)

• Conjunto de Dados: Analisou 12.365 genes de um estudo de fígado de camundongo com três regimes alimentares (Noturno, Ad Libitum, A-rítmico).
• Detecção de Ritmicidade: O CARhy-TR identificou mais genes rítmicos sobrepostos a um banco de dados externo (CGDB) em comparação com o JTK CYCLE não paramétrico, demonstrando maior sensibilidade.
• Análise Diferencial:
  • Identificou 469 genes com ritmicidade diferencial (RD) e 724 não diferenciais (NRD).
  • Validação: Genes RD mostraram significativamente menor similaridade de perfil temporal, maior divergência de amplitude e maior dispersão de fase em comparação com genes NRD, confirmando a validade biológica das descobertas estatísticas.
  • Especificidade: O CARhy-TDA e o CARhy-TDP identificaram subconjuntos específicos de genes impulsionados por mudanças de amplitude (222 genes) ou deslocamentos de fase (506 genes), fornecendo insights mecanísticos.
• Desempenho: O CARhy foi substancialmente mais rápido que o dryR (segundos versus minutos) e forneceu valores-p brutos para limiarização flexível, ao contrário da dependência do dryR de cortes BIC arbitrários.

5. Significado

O CARhy aborda uma lacuna crítica na biologia circadiana, permitindo inferência estatística rigorosa e abrangente para desenhos experimentais complexos e de múltiplas condições. Sua capacidade de lidar com heterocedasticidade e desenhos desbalanceados sem sacrificar o poder torna-o altamente adequado para estudos biológicos realistas onde os tamanhos amostrais são limitados. Ao decompor mudanças rítmicas em componentes de amplitude, fase e basal, o CARhy oferece insights biológicos mais profundos sobre como perturbações externas (por exemplo, dieta, drogas) remodelam a expressão gênica circadiana. O método estabelece um novo padrão para reprodutibilidade e rigor estatístico na análise de ritmos transcriptômicos.