CADE：一种无需参考数据的批转录组差异表达系数敏感性分析方法

《BMC Bioinformatics》：CADE: a reference-free workflow for coefficient-sensitivity analysis in bulk transcriptomic differential expression

摘要

背景

当疾病改变细胞类型丰度时，批量差异表达（DE）系数可能会发生变化，但在小型或罕见疾病研究中，往往无法找到匹配的单细胞参考数据。现有的标记-协变量调整方法可以生成调整后的DE表格，但它们并不能直接说明哪些基因级别的系数在调整后是稳定的、减弱的、增强的或对表达方式敏感的。系数敏感性分析所探讨的问题比反卷积分析更为具体：对于每个基因来说，当将标记衍生出的组成权重加入模型后，其报告的组效应会发生变化多少？变化的方向是什么？这种变化是否对标记的选择以及权重的坐标表示方式具有稳定性？最终输出的是每个基因的系数稳定性排名，而不是细胞类型比例的估计值。

结果

我们开发了CADE（Composition-Aware Differential Expression，即“具有组成意识的差异表达”）这一R语言工作流程，该流程可以估算标记衍生的相对组成权重，拟合未经调整和经过组成调整的limma模型，并计算每个基因的组成混淆指数（CCI）。CADE能够提供带有符号的系数变化标签、标记缺失后的自助法排名稳定性（通过反复移除标记并重新排序基因来确定哪些排名具有持续性）、标签排列校准、分母阈值诊断功能、稳定的分母输出以及等距对数比率坐标敏感性分析。那些分类依赖于组成权重坐标表示的基因会被明确识别出来。在受控的合成组成偏差基准测试中，CADE在存在组成偏差的情况下仍能准确地检测出细胞内在的DE基因，其中100%合成偏差时的AUROC值为0.996，而未经调整的limma模型的AUROC值为0.902。标记衍生的权重能够恢复PBMC（外周血单核细胞）的真实相对组成，平均相关性r值为0.993；通过对scRNA-seq（单细胞RNA测序）衍生的组成进行评价，发现平均相关性r值为0.779，所有七个具有可用scRNA-seq参考数据的分类都显示出p值小于0.001（在预设的八个类别中；中性粒细胞在这个真实数据集中没有参考数据）。在家族性噬血细胞性淋巴组织细胞增多症（GSE26050；样本量：11例 vs 33例对照组）的研究中，CADE展示了在针对免疫系统、铁代谢和铁死亡通路的目标分析中，低CCI系数与模型敏感系数之间的区别。

结论

CADE提供了一种无需参考数据、可重复的工作流程，用于表征批量转录组DE系数对标记衍生组成调整的敏感性。它能够报告系数的稳定性，但不会估计绝对的细胞类型比例。本案例使用FHL（家族性噬血细胞性淋巴组织细胞增多症）作为小规模队列的示例，疾病特异性发现仍处于假设生成阶段。