在生物标志物查中解决异质敏感性,在NanoString nCounter数据中应用

科学领域:

• 生物医学科学 生物医学科学
• 统计遗传学 统计遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 生物标志物对于疾病查和预后至关重要,通常使用高通量方法进行识别.
• 生物标志物检测的挑战包括背景噪声和可变的信号强度,导致灵敏度降低和虚假阳性率膨胀.
• 当前的方法往往忽略了样本特定检测异质性,从而损害了生物标志物发现的准确性.

研究的目的:

• 引入一种新的统计方法,即灵敏度调整的概率比测试 (SALT),用于强大的生物标志物查.
• 解决在高通量分子测量中检测灵敏度中被忽视的异质性问题.
• 通过适当控制错误阳性率,提高生物标志物发现的准确性和功率.

主要方法:

• 开发了灵敏度调整的概率比率测试 (SALT),以考虑样本和特征特定检测灵敏度.
• 利用NanoString nCounter数据来估计这些个别检测灵敏度.
• 在生物标志物查模拟和分析中,将SALT的性能与未经调整的方法进行了比较.

主要成果:

• 证明了从NanoString nCounter数据可靠地估计样品和特征特定检测灵敏度.
• 展示了将这些估计的灵敏度纳入SALT可以显著改善生物标志物查.
• 与未调整方法相比,SALT有效控制了假阳性率,并提供了更大的统计能力.

结论:

• 敏感度调整后的概率比测试 (SALT) 提供了一个统计学上合理的框架,用于在高通量数据中对生物标志物进行查.
• 准确的估计和检测灵敏度的整合对于可靠的生物标志物发现至关重要.
• 盐在提高分子生物标记物识别的可靠性和功率方面取得了重大进展.