一種新的統(tǒng)計(jì)方法來評估Hi-C數(shù)據(jù)的可重復(fù)性 - 一種用于研究基因組如何在細(xì)胞內(nèi)部三維工作的尖端工具 - 將有助于確保這些“大數(shù)據(jù)”研究中的數(shù)據(jù)是可靠的。“Hi-C捕獲了基因組不同區(qū)域之間的物理相互作用，”賓夕法尼亞州立大學(xué)統(tǒng)計(jì)學(xué)助理教授，該論文的第一作者李群華說。“這些相互作用在決定肌細(xì)胞是什么使肌肉細(xì)胞而不是神經(jīng)或癌細(xì)胞中發(fā)揮作用。然而，評估數(shù)據(jù)再現(xiàn)性的標(biāo)準(zhǔn)措施通常無法判斷兩個(gè)樣本是來自相同的細(xì)胞類型還是來自完全不相關(guān)的細(xì)胞類型這使得很難判斷數(shù)據(jù)是否可重復(fù)。我們開發(fā)了一種新方法來準(zhǔn)確評估Hi-C數(shù)據(jù)的可重復(fù)性，這將使研究人員能夠更自信地從數(shù)據(jù)中解釋生物學(xué)。

由賓夕法尼亞州立大學(xué)和華盛頓大學(xué)的一組研究人員開發(fā)的名為HiCRep的新方法是第一個(gè)解釋Hi-C數(shù)據(jù)的獨(dú)特特征 - 基因組區(qū)域之間相互作用的相互作用更多可能偶然發(fā)生，因此在不相關(guān)的樣本之間產(chǎn)生虛假或錯(cuò)誤的相似性。描述這種新方法的論文發(fā)表在Genome Research期刊上。

“由于全基因組研究中產(chǎn)生的大量數(shù)據(jù)，確保數(shù)據(jù)質(zhì)量至關(guān)重要，”李說。“利用Hi-C等高通量技術(shù)，我們能夠深入了解基因組如何在細(xì)胞內(nèi)部發(fā)揮作用，但前提是數(shù)據(jù)是可靠且可重復(fù)的。”

在細(xì)胞核內(nèi)有大量的染色體形式的遺傳物質(zhì) - 由DNA和蛋白質(zhì)組成的極長分子。含有基因和控制基因使用時(shí)間和位置的調(diào)控DNA序列的染色體被組織并包裝成稱為染色質(zhì)的結(jié)構(gòu)。例如，細(xì)胞的命運(yùn)，無論是肌肉還是神經(jīng)細(xì)胞，至少部分取決于染色質(zhì)結(jié)構(gòu)的哪些部分可以被表達(dá)的基因，哪些部分是封閉的，以及這些區(qū)域如何相互作用。HiC通過將基因組的相互作用區(qū)域鎖定在一起，分離它們，然后對它們進(jìn)行測序以找出它們來自基因組的位置來識別這些相互作用。

“這有點(diǎn)像一大碗意大利面條，其中面條觸摸的每個(gè)地方都可能是生物學(xué)上重要的互動(dòng)，”李說。“Hi-C發(fā)現(xiàn)所有這些相互作用，但絕大多數(shù)發(fā)生在基因組區(qū)域之間，這些區(qū)域在染色體上彼此非常接近，并且沒有特定的生物學(xué)功能。其結(jié)果是信號強(qiáng)度這很大程度上取決于相互作用區(qū)域之間的距離。這使得常用的重現(xiàn)性測量(例如相關(guān)系數(shù))極難區(qū)分Hi-C數(shù)據(jù)，因?yàn)榧词乖诜浅２煌募?xì)胞類型之間，這種模式看起來也非常相似。我們的新方法將Hi-C的這一特性考慮在內(nèi)，使我們可以可靠地區(qū)分不同的細(xì)胞類型。“

“這為我們提供了一個(gè)經(jīng)常被忽視的基本統(tǒng)計(jì)課程，”李說。“很多時(shí)候，相關(guān)性被視為許多科學(xué)學(xué)科中可重復(fù)性的代表，但它們實(shí)際上并不是一回事。相關(guān)性是關(guān)于兩個(gè)對象的相關(guān)程度。兩個(gè)不相關(guān)的對象通過與公共因子相關(guān)而具有高度相關(guān)性這就是這種情況。距離是Hi-C數(shù)據(jù)中隱藏的共同因素，它驅(qū)動(dòng)相關(guān)性，使得相關(guān)性無法反映感興趣的信息。具有諷刺意味的是，這種現(xiàn)象被稱為統(tǒng)計(jì)學(xué)中的混雜效應(yīng)，在每個(gè)基礎(chǔ)統(tǒng)計(jì)學(xué)課程中都會(huì)討論，即使在訓(xùn)練有素的科學(xué)家中，看到它在實(shí)踐中被忽視的頻率仍然非常驚人。“

研究人員設(shè)計(jì)了HiCRep以系統(tǒng)地解釋Hi-C數(shù)據(jù)的這種與距離相關(guān)的特征。為了實(shí)現(xiàn)這一目標(biāo)，研究人員首先對數(shù)據(jù)進(jìn)行平滑處理，以便更清楚地了解數(shù)據(jù)趨勢。然后，他們開發(fā)了一種新的相似性度量，通過基于兩個(gè)區(qū)域之間的距離對相互作用進(jìn)行分層，能夠更容易地區(qū)分不同細(xì)胞類型的數(shù)據(jù)。“這就像研究藥物治療對年齡不同的人群的影響一樣。按年齡分層有助于我們專注于藥物效應(yīng)。對于我們的情況，按距離分層有助于我們關(guān)注樣本之間的真實(shí)關(guān)系。”

為了測試他們的方法，研究團(tuán)隊(duì)使用HiCRep和兩種傳統(tǒng)方法評估了來自幾種不同細(xì)胞類型的Hi-C數(shù)據(jù)。在傳統(tǒng)方法被基于附近相互作用過量的虛假相關(guān)性絆倒的情況下，HiCRep能夠可靠地區(qū)分細(xì)胞類型。此外，HiCRep可以量化細(xì)胞類型之間的差異量，并準(zhǔn)確地重建哪些細(xì)胞彼此更密切相關(guān)。