Anreicherung der Gen-Mengen-Analyse genomweiter Daten durch Einbeziehung der Directionalität der Genexpression und Kombination statistischer Hypothesen und Methoden

Die Gen-Mengen-Analyse (GSA) wird verwendet, um genomweite Daten, insbesondere Transkriptomdaten, zu erschließen. Für diesen Analyseschritt wurden zahlreiche Methoden vorgeschlagen, von denen viele verglichen und bewertet wurden. Leider gibt es keine einheitliche Meinung darüber, welche Methoden vorzuziehen sind, und die Vielfalt der verfügbaren GSA-Software und Implementierungen stellt für den Endanwender, der verschiedene Methoden ausprobieren möchte, eine Herausforderung dar. Um dem zu begegnen, haben wir das R-Paket Piano entwickelt, das eine Reihe von GSA-Methoden in einem System zusammenfasst, zum Nutzen des Endanwenders. Darüber hinaus verfeinern wir den GSA-Workflow durch Modifikationen der genebasierten Statistiken. Dies ermöglicht es uns, die resultierenden P-Werte der Genmengen in drei Klassen zu unterteilen, die unterschiedliche Aspekte der Richtungsabhängigkeit der Genexpression auf Genmengenniveau beschreiben. Wir verwenden unseren vollständig implementierten Workflow, um die Auswirkungen der einzelnen Komponenten der GSA mithilfe von Microarray- und RNA-seq-Daten zu untersuchen. Die Ergebnisse zeigen, dass die bewerteten Methoden global ähnlich sind und die wichtigste Trennung gut mit unseren definierten Richtungsabhängigkeitsklassen korreliert. Folglich schlagen wir vor, einen Konsensbewertungsansatz zu verwenden, der auf mehreren GSA-Durchläufen basiert. In Kombination mit den Richtungsabhängigkeitsklassen bildet dies eine umfassendere Grundlage für eine erweiterte biologische Interpretation.