因果性与替代变量分析

基因表达取决于数千个因子，而我们通常只能获得数十或数百个基因表达水平的观测值，这意味着我们处于高维环境中。此外，我们并不总是观察或关注所有因子。然而，许多不同的基因表达水平取决于一组共同因子。通过观察基因表达水平的联合方差以及观测到的主要变量（我们关注的变量），替代变量分析（SVA）旨在估计剩余的未观测因子。最终目标是评估主要变量（或向量）是否对不同基因表达水平具有显著影响，但如果不先估计未观测因子，各种回归模型和假设检验之间就会存在依赖性，这使显著性分析变得复杂。在本研究中，我们定义了一类加性基因表达结构方程模型（SEM），它便于对基因表达数据进行建模，并为理解 SVA 方法的各个步骤提供了有用的框架。我们从建模角度以及因果性角度证明了使用这一类的合理性，具体做法是探索该类的独立性和因果性属性，并与生物学驱动的数据假设进行比较。为此，我们使用了在其他地方发展起来的关于图模型和因果性的理论。然后，我们详细描述了 SVA 方法及其在 R 包 sva 中的实现，并将每一步对应到先前定义的加性基因表达 SEM 的不同部分。