Un estudio comparativo de métodos estadísticos para identificar genes expresados diferencialmente en la transcriptómica espacial. | JoVE Visualize

Área de la Ciencia:

La genómica y la bioinformática.
Biología computacional Biología computacional.
Investigación de Investigación del Cáncer.

Sus antecedentes:

La transcriptómica espacial (ST) permite el análisis de la expresión génica con contexto espacial, crucial para comprender la arquitectura de los tejidos, especialmente en los cánceres.
La popular herramienta Seurat para el análisis de datos de ST prefiere por defecto la prueba de suma de rango de Wilcoxon, que ignora las correlaciones espaciales.
Ignorar las correlaciones espaciales puede conducir a tasas infladas de falsos positivos y hallazgos no confiables en el análisis de la expresión génica diferencial de ST.

Objetivo del estudio:

Desarrollar un marco estadístico robusto para el análisis de la expresión génica diferencial en transcriptómica espacial que tenga en cuenta las correlaciones espaciales.
Para comparar el rendimiento del marco propuesto con los métodos existentes, incluyendo el Wilcoxon rank-sum test y z-test.

Principales métodos:

Propuso un marco de ecuaciones generalizadas de estimación (GEE) para el análisis de la expresión génica diferencial en transcriptómica espacial.
Se realizaron extensas simulaciones para comparar las pruebas basadas en GEE (específicamente GEE Independiente con un robusto error estándar) con los métodos existentes.
Aplicó los métodos a conjuntos de datos de transcriptómica espacial real de cáncer de mama y de próstata.

Principales resultados:

Las simulaciones demostraron que la prueba independiente GEE ofrece un control de error de tipo I superior y una potencia comparable a otros métodos al tener en cuenta las correlaciones espaciales.
El análisis de los conjuntos de datos ST de cáncer de mama y próstata reveló una mala calibración del valor p y posibles falsos positivos con la prueba de suma de rango de Wilcoxon.
La prueba independiente GEE mostró un mejor rendimiento en aplicaciones de datos reales, lo que sugiere una identificación más precisa de los cambios en la expresión génica.

Conclusiones:

La prueba independiente GEE proporciona un enfoque robusto y preciso para el análisis de la expresión génica diferencial en datos de transcriptómica espacial.
Este método aborda efectivamente las limitaciones de los ensayos no paramétricos como Wilcoxon al incorporar correlaciones espaciales.
El método propuesto, implementado en el paquete R "SpatialGEE", complementa las herramientas existentes y mejora la fiabilidad de la interpretación de los datos de ST en la investigación del cáncer.