hStouffer：一种用于大规模RNA-seq数据综合分析的增强型元分析方法

《BMC Bioinformatics》：hStouffer: the enhanced meta-analysis method for the comprehensive analysis of large-scale RNA-seq data

　　

摘要

背景

随着公共RNA-seq数据集的指数级增长，元分析已成为整合研究以提高统计功效和识别一致生物模式的关键工具。然而，传统的p值组合方法并未针对大规模集成进行设计，存在一个关键缺陷：随着更多数据集的加入，假阳性的比率急剧增加。这一问题源于少数个别研究中极低p值的不成比例影响，这些低p值可能会产生整体显著性的误导性信号，从而削弱研究结果的可靠性。

结果

在这里，我们提出了一种稳健的元分析框架，该框架结合了p值上限设置、阈值截断和bagging技术来缓解这一问题。我们使用Stouffer方法实现了这一框架，称之为混合Stouffer（hStouffer）方法。所提出的方法在保持高灵敏度的同时显著降低了假阳性率。此外，验证结果表明，hStouffer方法识别出的差异表达基因（DEGs）准确反映了潜在的生物学现象，使其成为充分利用扩展的基因组数据库来理解复杂生物过程的重要工具。

结论

hStouffer方法为大规模RNA-seq元分析提供了一种统计上稳健且生物学上连贯的解决方案。通过有效控制技术伪影和错误发现，它使研究人员能够从复杂的、聚合的转录组数据中提取出更可靠和有意义的见解。