非参数统计方法QRscore：精准检测基因表达分布变化的创新工具及其在衰老研究中的应用

本研究针对RNA-seq数据分析中传统方法对基因表达变异性检测不足的问题，开发了非参数框架QRscore。该方法通过改进的Mann-Whitney检验结合负二项(NB)和零膨胀负二项(ZINB)模型权重，可同时检测均值(QRscore-Mean)和方差(QRscore-Var)变化。应用GTEx和AIDA数据集揭示了组织特异性和细胞类型特异的衰老相关基因表达变异模式，为衰老机制研究提供了新视角。

　　

在基因组学研究中，差异表达分析是揭示基因功能的关键手段。然而传统方法如DESeq2和edgeR主要关注基因表达均值的变化，忽视了表达变异性这一重要生物学特征。事实上，基因表达变异与细胞发育、环境适应和衰老等过程密切相关。现有检测方法存在两大局限：一是过度依赖正态分布或负二项分布等参数假设，在存在离群值或零膨胀时易产生假阳性；二是非参数方法如Kolmogorov-Smirnov检验统计功效不足。这些问题在大型人群队列（如GTEx）和单细胞研究中尤为突出。

针对这些挑战，加州大学伯克利分校的Fanding Zhou、Alan J. Aw等研究人员在《Cell Reports Methods》发表了创新性方法QRscore。该方法巧妙结合了非参数检验的稳健性和参数模型的检测效能，通过改进的秩检验权重设计，实现了对基因表达分布变化的全面检测。研究团队首先在模拟数据中验证了该方法在控制错误发现率(FDR)方面的优势，随后应用于GTEx组织数据和亚洲免疫多样性图谱(AIDA)单细胞数据，系统揭示了衰老过程中组织特异性和细胞类型特异的基因表达变异模式。

关键技术方法包括：1）基于负二项和零膨胀负二项模型的权重函数设计；2）改进的Mann-Whitney秩统计量构建；3）三样本卡方检验扩展；4）GTEx v8数据集（n=1，000+）和AIDA单细胞数据（聚焦东亚人群）的多层次分析；5）使用Benjamini-Hochberg程序进行多重检验校正。

研究结果部分：

QRscore方法学验证

通过系统模拟比较显示，QRscore-Var在检测差异离散基因(DDGs)时，即使存在10%离群值或零膨胀，AUPRC仍保持0.77以上，显著优于GAMLSS和MDSeq等方法。在样本量≥8时能保持稳定的FDR控制，解决了小样本研究中参数方法假阳性膨胀的问题。

GTEx组织数据分析

应用QRscore-Var分析33种组织的年龄相关变异，发现10，362个组织特异性DDGs。如胫动脉组织中ADRA2B基因的变异与血管老化相关，而全血组织中CCL2等趋化因子变异揭示了炎症反应的个体差异。值得注意的是，这些DDGs中仅11-32%能被传统差异表达分析(DEGs)检测到。

单细胞分辨率下的新发现

通过AIDA数据集伪批量分析，在25种免疫细胞类型中鉴定出衰老相关的表达变异。如初始CD4⁺ T细胞中RNA结合蛋白RBM38的变异与细胞衰老相关，CD16⁺NK细胞中NFIL3的变异提示先天免疫应答的年龄相关失调。这些发现为理解免疫衰老(immunosenescence)提供了新线索。

结论与意义：

该研究发展的QRscore框架突破了传统差异表达分析的局限，首次实现了基因表达分布变化的全面检测。生物学上，通过系统揭示衰老过程中组织特异性和细胞类型特异的表达变异模式，为理解衰老异质性提供了新视角。方法学上，其非参数特性解决了RNA-seq数据分析中长期存在的模型依赖性问题，特别适合大型队列和单细胞研究。发现的EDA2R、CCL2等新型衰老相关基因为后续机制研究提供了重要靶点。该成果已形成R/Bioconductor软件包，将推动基因组学研究从"均值比较"向"分布分析"的范式转变。