博文

FedPyDESeq2：转录组数据差异表达分析的联邦框架

已有 413 次阅读 2025-1-3 09:22 |个人分类:科普|系统分类:科普集锦

FedPyDESeq2：转录组数据差异表达分析的联邦框架

无论是在bulk还是单细胞分辨率下，差异表达分析（Differential expression analysis，DEA）是转录组数据的主要应用。基于转录组数据，DEA旨在利用edgeR、limma或DESeq2及其最近提出的Python替代方案PyDESeq2等统计软件，识别两种情况下（例如处理和对照样本）的差异表达基因。

为了获得相关结果，样本量是一个关键因素。以往研究得出结论，重复数对DEA的影响大于库的大小，特别是在高样本可变性的背景下。正如以往研究指出：“对于高度多样化的样本，例如来自癌症患者肿瘤的临床组织，可能需要更多的重复才能确定确实有变化。”

抛开RNA测序成本不谈，存在更大队列的主要障碍之一是基因组数据非常敏感，其交换受到隐私保护的法律约束和严格监管。因此，DEA通常受到单个机构持有的转录组数据数量限制。当不可能在机构之间共享数据时，可以使用元分析来汇总在每个数据中心独立分析的本地结果。然而，这是以统计能力为代价的，特别是在数据异构的情况下。

最近，联邦学习（federated learning，FL）已经成为一种有前途的技术来面对来自孤立数据的困难。FL是一种源自机器学习（Machine learning，ML）社区的分布式计算范式，其中多方（客户端或中心）在中央服务器的监督下协作拟合联合模型，而无需交换私有数据。FL的主要好处是它允许客户保持对其数据的控制，同时允许他们构建ML模型，就像数据汇集在一起一样。简而言之，FL包括以下步骤：(1)客户端对其私有数据执行计算，(2)将其本地模型传输到服务器，(3)服务器聚合模型以形成单个全局模型，并将其共享回客户端。然后从步骤(1)开始重复该过程，以此类推。

为了克服与医疗数据相关的固有隐私限制，最近的一些工作已成功地将FL应用于生物医学任务。例如，FedECA引入了一种联邦学习处理加权逆概率（IPTW）方法，作为实现外部控制的手段。FL也被用于药物发现，或预测三阴性乳腺癌对新辅助化疗的组织学反应。最后，Flimma的目的是在FL条件下重现limma-voom的DEA工作流。Flimma是迄今为止进行DEA研究的唯一联邦框架。

最近，Muzellec等人介绍了一种新方法FedPyDESeq2（图1），一个用于联邦DEA的软件，旨在再现存在数据孤岛的DESeq2结果。FedPyDESeq2基于Substra（这是一个由Linux基金会托管的用于人工智能和数据开源FL软件）和PyDESeq2（原始DESeq2扩展包的Python实现版本）。FedPyDESeq2的目标是从孤立的bulk转录组数据中输出尽可能接近于在汇集数据后应用PyDESeq2所获得的结果。为此，FedPyDESeq2遵循DESeq2管道，实现每个步骤的等效版本，同时确保没有从中心传输单独的数据。

图1 (A)对孤立转录组数据进行DEA聚合分析（左）、元分析（中）和联邦学习（右）方法的比较。虽然聚合分析是首选方法，但它需要将所有中心的数据汇集到一个处理中心，这通常是不可行的。元分析通过在每个中心本地运行一个完整的DEA管道来规避这个问题，在失去统计能力的情况下，将结果的对数倍变化和p值共享到服务器进行聚合。另一方面，联邦学习目标是通过在网络上分配计算来重现聚合研究算法，而不让私有数据离开它们的前提。(B) FedPyDESeq2在(1)在每个中心独立运行的本地步骤和(2)由服务器集中运行的聚合步骤之间交替，在(3)服务器输出最终结果之前，这是在Substra编排的联邦网络上进行的多轮操作。为了确保隐私，数据中心只能共享汇总数据

作者们已经在来自癌症基因组图谱（TCGA，https://www.cancer.gov/tcga）的bulk转录组数据上评估了FedPyDESeq2，依据8种不同条件并且采用两种不同方法对数据进行了划分。首先，通过根据采样源站点拆分数据来恢复实际的联邦数据集，最终将其分组为7个区域。其次，为了进一步对FedPyDESeq2的稳健性进行基准测试，生成了一套不断增加异质性的模拟划分。然后在联邦网络上运行FedPyDESeq2，其中每个分割存储在独立的机器中。在这两种设置中，实验结果表明：FedPyDESeq2结果与PyDESeq2在池化数据上产生的结果非常接近。最后，将FedPyDESeq2与各种元分析方法进行比较，这些方法通过汇总每个中心的局部DEA结果来输出全局结果。实验表明，使用联邦分析方法代替元分析可以提高统计能力和灵敏度。

FedPyDESeq2在MIT许可下可在https://github.com/owkin/fedpydeseq2获得。

参考文献

[1] Boris Muzellec, Ulysse Marteau-Ferey, Tanguy Marchand. FedPyDESeq2: a federated framework for bulk RNA-seq differential expression analysis. bioRxiv, 2024.12.06.627138; doi: https://doi.org/10.1101/2024.12.06.627138

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC