差异表达3｜MaGeck

Posted 2023-03-09

参考技术A MaGeck是对CRISPR screen结果进行筛选的软件，差异表达的对象是sgRNA，再对不同sgRNA的结果进行整合，得到差异基因。

参考了edgeR和DeSeq2的方法，使用广义负二项式模型找差异基因。

一般而言，样本间的变异系数（coefficient of variance，CV）是由两部分组成的，一是技术差异（Technical CV），另一个是生物学差异（Biological coefficient of variance，BCV）。前者是会随着测序通量的提升而消失的，而后者则是样本间真实存在的差异。所以，对于一个基因而言，它的BCV在样本间足够大的话，就可以认为基因是一个差异表达基因。但评价离散值时，需要参考均值，因为均值越大一般方差就越大。

在评价时，可以使用以下几种分布：

（1）泊松分布：在泊松分布中，方差和均值相等。如果某个基因的表达值偏离分布模型，那么该基因为差异表达基因。

（2）负二项分布：真实数据的分布偏离泊松分布，方差明显比均值大，edgeR和后期的DeSeq2使用负二项模型NB2：

为condition A拟合负二项分布，再为condition B计算tail probability that the null NB distribution generates a read count that is more extreme than μiB。

利用计算出来的p值，对所有sgRNA进行排序。

在CRISPR screen中，通常一个基因有多于1个的sgRNA，不同sgRNA有不同rank，如何对这些rank进行整合得到一个综合的排序？

基于Robust Rank Aggregation，Mageck做出了改进：

(1) RRA是一种对排名进行整合，获得一个综合性排名列表的算法。

首先将原始排名转换为相对值 -> 计算 p-value ρ_k for the kth smallest value based on the beta distribution (beta distribution: 一组定义在 [0,1) 区间的连续概率分布) -> 取其中最小的p值来代表这个基因，称之为rho score: ρ score = min (p_ij) -> 当总的基因数不是很多（~100）的时候，可以使bonferroni校正ρ score，得到的p_adj很接近p值的上界。

(2) 问题：uniformity的假设可能不符合现实

(3) 优化：改进了ρ value的计算