Inférence Statistique des Proportions de Types Cellulaires Estimées à Partir de Données d'Expression Globales

Un intérêt croissant existe pour l'analyse spécifique des types cellulaires à partir d'échantillons globaux contenant un mélange de différents types cellulaires. Une première étape critique dans de telles analyses est l'estimation précise des proportions de types cellulaires dans un échantillon global. Bien que de nombreuses méthodes aient été récemment proposées, la quantification des incertitudes associées aux proportions de types cellulaires estimées n'a pas été bien étudiée. Le manque de considération pour ces incertitudes peut conduire à des résultats manqués ou faux dans les analyses ultérieures. Dans cet article, nous introduisons un cadre de déconvulsion statistique flexible qui permet une covariance générale et spécifique au sujet des expressions géniques globales. Dans ce cadre, nous proposons une méthode de moindres carrés contraints décorélés appelée DECALS qui estime les proportions de types cellulaires ainsi que la distribution d'échantillonnage des estimations. Des études de simulation démontrent que DECALS peut quantifier avec précision les incertitudes dans les proportions estimées alors que d'autres méthodes échouent. En appliquant DECALS pour analyser les données d'expression génique globale d'échantillons cérébraux post mortem des projets ROSMAP et GTEx, nous montrons que prendre en compte les incertitudes dans les proportions de types cellulaires estimées peut conduire à des identifications plus précises des gènes et des transcrits différemment exprimés de manière spécifique aux types cellulaires entre différents groupes de sujets, tels que entre des patients atteints de la maladie d'Alzheimer et des témoins ainsi qu'entre des hommes et des femmes.