高通量测序时间序列的高斯过程检验：在实验进化中的应用
种群与进化
2014-09-19 v3 基因组学
定量方法
应用统计
摘要
动机：高通量测序 (HTS) 的最新进展使得详细监测基因组成为可能。新的实验不仅利用 HTS 测量单一时间点的基因组特征，还监测其随时间的变化，旨在识别丰度的显著变化。例如，在群体遗传学中，等位基因频率随时间被监测以检测指示选择压力的显著频率变化。以往分析 HTS 实验数据的尝试存在局限，因为它们无法同时纳入中间时间点的数据、重复实验以及 HTS 特有的不确定性来源（如测序深度）。结果：我们提出了 beta-二项式高斯过程 (BBGP) 模型，用于对随时间呈现显著非随机丰度变化的特征进行排序。这些特征被假定为代表比例，例如群体中替代等位基因的比例。我们使用 beta-二项式模型来捕捉由有限测序深度引起的不确定性，并将其与时间序列上的高斯过程模型相结合。在模拟实验进化数据特征的仿真中，所提出的方法在发现受选择等位基因的平均精度上明显优于经典检验。我们还展示了探索不同实验设计选择的仿真结果，以及来自果蝇温度适应实验进化实验的真实数据结果。可用性：实现该检验的 R 软件可在 https://github.com/handetopa/BBGP 获取。
引用
@article{arxiv.1403.4086,
title = {Gaussian process test for high-throughput sequencing time series: application to experimental evolution},
author = {Hande Topa and Ágnes Jónás and Robert Kofler and Carolin Kosiol and Antti Honkela},
journal= {arXiv preprint arXiv:1403.4086},
year = {2014}
}
备注
41 pages, 29 figures