배치 효과

Batch effect

분자생물학에서 배치 효과는 실험의 비생물학적 요인이 실험에 의해 생성된 데이터에 변화를 일으킬 때 발생합니다.이러한 효과는 원인이 실험에서 관심 있는 하나 이상의 결과와 관련이 있는 경우 부정확한 결론을 초래할 수 있습니다.마이크로어레이, 질량분석계,[1] 단세포 RNA 염기서열 분석 [2]데이터를 사용하는 실험 등 많은 유형의 고처리량 염기서열 분석 실험에서 흔히 볼 수 있습니다.그것들은 유전체학이나 높은 처리량 배열 연구의 맥락에서 가장 일반적으로 논의되지만, 과학의 다른 분야에서도 존재한다.[1]

정의들

"배치 효과"라는 용어의 여러 정의가 문헌에서 제안되었다.Lazar 외 연구진(2013)은 "특히 데이터의 출처와 발현 방법이 완전히 알려져 있지 않거나 기록되지 않기 때문에 소위 배치 효과에 대한 완전하고 명확한 정의를 제공하는 것은 어려운 작업"이라고 지적했다.마이크로 어레이 실험에 초점을 맞추어, 그들은 이전의 몇 가지 실험에 기초한 새로운 정의를 제안한다: "T]he 배치 효과는 샘플이 다른 배치로 처리되고 측정될 때 체계적인 기술적 차이를 나타내며, MAGE [마이크로 어레이 유전자 발현] [3]실험 중에 기록된 생물학적 변화와 관련이 없다."

원인들

다음을 포함하여 많은 잠재적 가변 요인이 배치 효과의 잠재적 원인으로 확인되었습니다.

  • 검사실[1] 조건
  • 시약 로트 또는 배치[1][4] 선택
  • 인원차이[1]
  • 하루 중 실험이[4] 수행된 시각
  • 대기 오존[4] 수준
  • 실험에 사용하는 기구

수정

높은 처리량 실험에서 배치 효과를 보정하기 위해 다양한 통계 기법이 개발되었습니다.이러한 기법은 실험 설계 및 데이터 분석 단계에서 사용하기 위한 것이다.그들은 역사적으로 주로 유전체학 실험에 집중해왔으며, 최근에야 단백질학 [5]같은 다른 과학 분야로 영역을 넓히기 시작했다.이러한 기술과 관련된 문제 중 하나는 실제 생물학적 [6]변이를 의도하지 않게 제거할 수 있다는 것이다.배치 효과를 검출하거나 수정하는 데 사용된 기술은 다음과 같습니다.

  • 미세 배열 데이터의 경우 교란 요인이 랜덤 [7]절편으로 포함된 선형 혼합 모형이 사용되었습니다.
  • 2007년 존슨 등은 배치 효과를 보정하기 위한 경험적 베이지안 기법을 제안했다.이 접근방식은 작은 배치 [4]크기로 효과적으로 사용할 수 있다는 점에서 이전 방법보다 개선되었습니다.
  • 2012년에는 sva 소프트웨어 패키지가 도입되었습니다.이것은 이전에 높은 처리량 실험에서 재현성을 개선하고 의존성을 감소시키는 것으로 보여졌던 대리 변수 추정의 사용을 포함하여 배치 효과를 조정하기 위한 여러 기능을 포함한다.
  • Hagverdi 등(2018)은 데이터에서 [2]상호 가장 가까운 이웃의 탐지를 기반으로 단세포 RNA-seq 데이터를 위해 설계된 기술을 제안했다.
  • Papiez 등(2019)은 높은 처리량 데이터에서 [8]알 수 없는 값의 배치 효과를 식별하기 위한 동적 프로그래밍 알고리즘을 제안했다.

레퍼런스

  1. ^ a b c d e Leek, Jeffrey T.; Scharpf, Robert B.; Bravo, Héctor Corrada; Simcha, David; Langmead, Benjamin; Johnson, W. Evan; Geman, Donald; Baggerly, Keith; Irizarry, Rafael A. (October 2010). "Tackling the widespread and critical impact of batch effects in high-throughput data". Nature Reviews Genetics. 11 (10): 733–739. doi:10.1038/nrg2825. ISSN 1471-0056. PMC 3880143. PMID 20838408.
  2. ^ a b Haghverdi, Laleh; Lun, Aaron T L; Morgan, Michael D; Marioni, John C (May 2018). "Batch effects in single-cell RNA-sequencing data are corrected by matching mutual nearest neighbors". Nature Biotechnology. 36 (5): 421–427. doi:10.1038/nbt.4091. ISSN 1087-0156. PMC 6152897. PMID 29608177.
  3. ^ Leek, Jeffrey T.; Johnson, W. Evan; Parker, Hilary S.; Jaffe, Andrew E.; Storey, John D. (2012-03-15). "The sva package for removing batch effects and other unwanted variation in high-throughput experiments". Bioinformatics. 28 (6): 882–883. doi:10.1093/bioinformatics/bts034. ISSN 1460-2059. PMC 3307112. PMID 22257669.
  4. ^ a b c d Johnson, W. Evan; Li, Cheng; Rabinovic, Ariel (2007-01-01). "Adjusting batch effects in microarray expression data using empirical Bayes methods". Biostatistics. 8 (1): 118–127. doi:10.1093/biostatistics/kxj037. ISSN 1468-4357. PMID 16632515.
  5. ^ Čuklina, Jelena; Pedrioli, Patrick G. A.; Aebersold, Ruedi (2020). Review of Batch Effects Prevention, Diagnostics, and Correction Approaches. Methods in Molecular Biology. Vol. 2051. pp. 373–387. doi:10.1007/978-1-4939-9744-2_16. ISBN 978-1-4939-9743-5. ISSN 1940-6029. PMID 31552638.
  6. ^ Goh, Wilson Wen Bin; Wang, Wei; Wong, Limsoon (June 2017). "Why Batch Effects Matter in Omics Data, and How to Avoid Them". Trends in Biotechnology. 35 (6): 498–507. doi:10.1016/j.tibtech.2017.02.012. PMID 28351613.
  7. ^ Espín-Pérez, Almudena; Portier, Chris; Chadeau-Hyam, Marc; van Veldhoven, Karin; Kleinjans, Jos C. S.; de Kok, Theo M. C. M. (2018-08-30). Krishnan, Viswanathan V. (ed.). "Comparison of statistical methods and the use of quality control samples for batch effect correction in human transcriptome data". PLOS ONE. 13 (8): e0202947. Bibcode:2018PLoSO..1302947E. doi:10.1371/journal.pone.0202947. ISSN 1932-6203. PMC 6117018. PMID 30161168.
  8. ^ Papiez, Anna; Marczyk, Michal; Polanska, Joanna; Polanski, Andrzej (2019-06-01). Berger, Bonnie (ed.). "BatchI: Batch effect Identification in high-throughput screening data using a dynamic programming algorithm". Bioinformatics. 35 (11): 1885–1892. doi:10.1093/bioinformatics/bty900. ISSN 1367-4803. PMC 6546123. PMID 30357412.