JIVE方法在卵巢癌多組學(xué)數(shù)據(jù)整合分析中的應(yīng)用*

哈爾濱醫(yī)科大學(xué)衛(wèi)生統(tǒng)計(jì)學(xué)教研室(150081)

徐 歡 宋 微 蔡雨晴 侯 艷 李 康△

【提 要】 目的 引入JIVE方法對(duì)多組學(xué)數(shù)據(jù)進(jìn)行整合分析，并應(yīng)用于腫瘤分子分型研究。方法 使用TCGA數(shù)據(jù)庫中卵巢癌mRNA和miRNA的組學(xué)數(shù)據(jù)，應(yīng)用JIVE方法整合分析兩個(gè)組學(xué)數(shù)據(jù)，提取兩不同組學(xué)數(shù)據(jù)的共同特征，然后通過對(duì)其具有共同結(jié)構(gòu)的數(shù)據(jù)做主成分分析，給出卵巢癌miRNA分子分型的結(jié)果。結(jié)果 經(jīng)過JIVE方法整合分析后，使miRNA數(shù)據(jù)具有明顯與mRNA相一致的分型結(jié)構(gòu)，從而進(jìn)一步支持了mRNA的分型結(jié)果，同時(shí)揭示了兩組學(xué)之間在組織分子分型上具有一定的調(diào)控關(guān)系。結(jié)論 JIVE方法可以用于提取組學(xué)之間存在的共同結(jié)構(gòu)矩陣，從而進(jìn)行多組學(xué)數(shù)據(jù)的整合分析。

組學(xué)數(shù)據(jù)(omics data)是指通過測序儀、生物芯片、磁共振、色譜-質(zhì)譜聯(lián)用等高通量實(shí)驗(yàn)技術(shù)得到的基因組、轉(zhuǎn)錄組、蛋白質(zhì)組和代謝組等數(shù)據(jù)。通過對(duì)高維多組學(xué)進(jìn)行整合分析，可以研究相關(guān)疾病的分子分型及標(biāo)志物，對(duì)疾病的早期診斷、臨床治療和預(yù)后具有重要意義。本文引進(jìn)JIVE(joint and individual variation explained)方法[1]，將其應(yīng)用于卵巢癌mRNA和miRNA兩組學(xué)數(shù)據(jù)的分析，揭示兩種組學(xué)之間潛在的生物學(xué)關(guān)系，為研究其分子分型的調(diào)控機(jī)制提供有價(jià)值的分析結(jié)果。

原理和方法

設(shè)有k個(gè)組學(xué)數(shù)據(jù)矩陣X1,X2,…,Xk，分別為p1、…、pk行和n列，其中行為各組學(xué)數(shù)據(jù)的變量，列為樣本。JIVE方法的基礎(chǔ)是矩陣的奇異值分解，即將不同組學(xué)的數(shù)據(jù)矩陣合并后分解為三部分，即描述不同組學(xué)數(shù)據(jù)的共同結(jié)構(gòu)矩陣(J)、獨(dú)立結(jié)構(gòu)矩陣(A)和殘差矩陣(R)。具體步驟如下：

1.數(shù)據(jù)預(yù)處理

首先將多個(gè)矩陣按行合并，合并的數(shù)據(jù)矩陣：

(1)

為了使每個(gè)數(shù)據(jù)集對(duì)合并矩陣的總變異貢獻(xiàn)相等，需要對(duì)其標(biāo)準(zhǔn)化，首先對(duì)其中心化去除不同數(shù)據(jù)集的基線差異。

(2)

然后再將數(shù)據(jù)矩陣歸一化，使合并矩陣中每個(gè)不同組學(xué)的數(shù)據(jù)集的總變異貢獻(xiàn)相等，對(duì)此可以應(yīng)用Frobenius范數(shù)：

(3)

歸一化的數(shù)據(jù)矩陣為

(4)

(5)

對(duì)合并矩陣可以做如下奇異值分解

2.確定共同矩陣和獨(dú)立矩陣的秩

(6)

通過最小化殘差平方和來確定共同結(jié)構(gòu)與獨(dú)立結(jié)構(gòu)，即給定矩陣的秩，使‖R‖2最小來確定J和A1,…,Ak。這一步通過一個(gè)迭代運(yùn)算來完成，對(duì)于第t次迭代有

(7)

其中R是一個(gè)p×n的殘差矩陣，重復(fù)以上步驟直到找到最合適的J和A1,…,Ak使‖R‖2最小。

實(shí)例分析

研究背景：2011年TCGA團(tuán)隊(duì)對(duì)TCGA中489例卵巢癌mRNA數(shù)據(jù)進(jìn)行聚類分析，結(jié)合專業(yè)得到了四個(gè)分型，即增殖型、間葉細(xì)胞型、分化型和免疫反應(yīng)型，該結(jié)果發(fā)表在Nature雜志上[3]。本例主要分析miRNA是否能夠做同樣的分型及是否能夠說明其在分型上與mRNA具有潛在的調(diào)控作用。

使用TCGA卵巢癌基因表達(dá)數(shù)據(jù)mRNA與miRNA數(shù)據(jù)(經(jīng)標(biāo)準(zhǔn)化)，進(jìn)行樣本ID匹配后，得到樣本量為408的樣本。其中mRNA基因數(shù)目為20113個(gè)，miRNA的數(shù)目為680個(gè)，共兩個(gè)數(shù)據(jù)矩陣。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，去除標(biāo)準(zhǔn)差較小的mRNA，對(duì)mRNA設(shè)定的閾值為SD≤1.5；與mRNA相比，miRNA具有更強(qiáng)的時(shí)空表達(dá)異質(zhì)性，即在一些位置和時(shí)間不表達(dá)，因此剔除零表達(dá)個(gè)數(shù)超過樣本量一半的miRNA。預(yù)處理后得到mRNA表達(dá)矩陣為302行，408列，miR-NA表達(dá)矩陣為351行，408列。將兩個(gè)數(shù)據(jù)矩陣合并后進(jìn)行JIVE方法分析，得到共同結(jié)構(gòu)矩陣秩為3，mRNA獨(dú)立結(jié)構(gòu)矩陣秩為34，miRNA獨(dú)立結(jié)構(gòu)矩陣秩為23。共同結(jié)構(gòu)的解釋方差及置信區(qū)間分別為1.64×10-9(1.48×10-9，1.78×10-9)、2.35×10-9(2.16×10-9，2.52×10-9)，獨(dú)立結(jié)構(gòu)的解釋方差及置信區(qū)間分別為4.62×10-9(4.43×10-9，4.78×10-9)、3.18×10-9(3.01×10-9，3.35×10-9)。JIVE分解可以得到的三個(gè)矩陣，解釋方差占比如圖1。

圖1 JIVE分解得到三部分解釋方差比

分別對(duì)數(shù)據(jù)矩陣X2和共同結(jié)構(gòu)矩陣J2做主成分分析，樣本前三個(gè)主成分得分圖如圖2。結(jié)果顯示，對(duì)于miRNA數(shù)據(jù)，原始矩陣X2主成分解釋方差占比分別為10.30%、8.62%、6.86%，散點(diǎn)圖中各點(diǎn)混在一起，而其共同結(jié)構(gòu)矩陣J2則呈現(xiàn)出與mRNA表達(dá)分類相同的分類趨勢(主成分解釋方差占比分別為55.93%、27.11%、16.96%)，說明使用JIVE分解方法可以看到兩組潛在的調(diào)控關(guān)系。

圖2 mRNA及JIVE分解前后miRNA表達(dá)數(shù)據(jù)PCA分類圖對(duì)比

為了顯示其綜合分類效果，將JIVE分解得到的共同結(jié)構(gòu)矩陣J1和J2合并在一起做主成分分析，使用前兩個(gè)主成分分別給出其樣本得分的密度分布圖，參見圖3和圖4，變量的因子載荷見表1(mRNA、miRNA按照絕對(duì)值排序各前5位)。

結(jié)果顯示，第一主成分的樣本得分可以區(qū)分增殖型與間質(zhì)型樣本，第二主成分的樣本得分可將增殖型、間質(zhì)型與另外兩種分子分型區(qū)分開。計(jì)算各共同成分的變量載荷，第一主成分中因子載荷絕對(duì)值由大到小前五位的基因分別為SFRP2、POSTN、DLK1、LUM、MMP11，其中基因SFRP2的甲基化與卵巢癌患者復(fù)發(fā)和生存率相關(guān)，POSTN基因高表達(dá)的卵巢癌患者總生存期和一線化療后的無進(jìn)展生存期明顯更短，DLK1在漿液性卵巢癌和漿液性交界性癌中均高表達(dá)，第一主成分中因子載荷絕對(duì)值由大到小前五位的miRNA分別為miR-508、miR-202、miR-509，其中miR-508、miR-509的高表達(dá)與卵巢癌患者更長的生存期有關(guān)，第二主成分因子載荷較大的變量中，IGF2的高表達(dá)與晚期卵巢癌的發(fā)生發(fā)展和化療藥物耐藥性有關(guān)，CLDN6在卵巢癌組織中表達(dá)上調(diào)，COL3A1是能夠獨(dú)立預(yù)測卵巢癌鉑基化療耐藥性的基因，miR-483-3p、miR-370與卵巢癌的耐藥機(jī)制及化療敏感性相關(guān)。

表1 變量在前兩個(gè)主成分中的因子載荷

圖3 第一主成分的樣本得分概率密度分布圖

圖4 第二主成分的樣本得分概率密度分布圖

討 論

分子分型在臨床實(shí)際中具有重要意義，如不同分型對(duì)特定的藥物敏感性不同或預(yù)后不同[4]。本研究根據(jù)由mRNA得到的4個(gè)卵巢癌分子分型引入了JIVE方法分析卵巢癌miRNA數(shù)據(jù)，提取miRNA與mRNA的共同結(jié)構(gòu)，得到了共同結(jié)構(gòu)的分類特征，揭示了miRNA在分子分型上是否與mRNA存在可能的調(diào)控關(guān)系。

JIVE方法使用的前提是不同組學(xué)數(shù)據(jù)間有足夠的共性可以提取。一般來說，共同結(jié)構(gòu)矩陣的秩決定了不同組學(xué)之間調(diào)控關(guān)系的復(fù)雜程度，秩越大，表明數(shù)據(jù)可能具有更復(fù)雜的潛在分型結(jié)構(gòu)。而對(duì)于提取的共性結(jié)構(gòu)如何解釋則需要結(jié)合生物學(xué)背景知識(shí)。如，本文實(shí)例中提取的共性結(jié)構(gòu)表示卵巢癌miRNA的表達(dá)與分子分型之間存在相關(guān)關(guān)系。需要注意，計(jì)算秩的方法是置換檢驗(yàn)，因此當(dāng)樣本量過小時(shí)，亦不容易得到顯著的秩，亦難以獲得組學(xué)之間的關(guān)聯(lián)信息，其他計(jì)算秩的方法仍需進(jìn)一步研究。另外，JIVE對(duì)缺失數(shù)據(jù)不穩(wěn)健，應(yīng)先選擇合適的方法進(jìn)行填補(bǔ)再分析。

奇異值分解的原理與PCA相似，只有在數(shù)據(jù)中的方差貢獻(xiàn)足夠大時(shí)，其特征才能夠被提取出來，因此需要舍棄那些方差貢獻(xiàn)小的變量，盡量減少對(duì)分析的干擾，以獲得更好的分析結(jié)果。本研究使用的數(shù)據(jù)粗篩的方法是“去除SD<1.5的mRNA變量和“0”表達(dá)個(gè)數(shù)超過總樣本量的一半的miRNA變量”，實(shí)際中也可以使用其他的閾值或方法。用敏感度分析的思路去考察粗篩方法對(duì)結(jié)果的影響，結(jié)果差別不大。