Statistical method for modeling sequencing data from different technologies in longitudinal studies with application to Huntington disease

Fuady, A.M.; Roon-Mom, W.M.C. van; Kielbasa, S.M.; Uh, H.W.; Houwing-Duistermaat, J.J.

doi:doi:10.1002/bimj.201900235

纵向研究中基因表达测量的进展使得能够识别与疾病严重程度相关的基因。然而，当用于测量基因表达的技术在不同时间点之间不同时，就会出现问题。在不同时间点获得的结果之间观察到的差异可能是由技术差异引起的。随着时间的推移，对这两种测量进行联合建模可能会深入了解这些不同结果的原因。我们的工作是基于对亨廷顿病患者血液样本基因表达数据的研究，这些样本是使用两种不同的测序技术获得的。在时间点1，使用DeepSAGE技术测量基因表达，并使用RNA-Seq技术测量子样本。在时间点2，使用RNA-Seq技术测量所有样本。使用第一个时间点的数据，DeepSAGE测量的基因表达与疾病严重程度之间的显著关联不能。。。显示更多纵向研究中基因表达测量的进展使得能够识别与疾病严重程度相关的基因。然而，当用于测量基因表达的技术因时间点而异时，就会出现问题。在不同时间点获得的结果之间观察到的差异可能是由技术差异引起的。随着时间的推移，对这两个测量值进行联合建模，可以深入了解这些不同结果的原因。我们的工作是基于对亨廷顿病患者血液样本基因表达数据的研究，这些样本是使用两种不同的测序技术获得的。在时间点1，使用DeepSAGE技术测量基因表达，并使用RNA-Seq技术测量子样本。在时间点2，使用RNA-Seq技术测量所有样本。第二个时间点的RNA-Seq数据无法复制DeepSAGE测量的基因表达与使用第一个时间点数据的疾病严重程度之间的显著关联。我们利用重叠样本的数据建立了两种测序技术之间的关系模型。我们使用线性混合模型，以DeepSAGE或RNA-Seq测量值作为因变量，疾病严重程度作为自变量。总之，（1）对于14个基因中的一个，使用这两种技术可以利用两个时间点的数据复制最初的显著结果；（2）由于这两种技术之间的分歧、预测基因表达时的测量误差以及需要包括额外的参数来解释可能的差异，统计效率会降低。显示更少

莱顿大学学术出版物

查看统计信息

文件

收藏中

纵向研究中不同技术测序数据建模的统计方法及其在亨廷顿病中的应用