{"id":4035,"date":"2018-07-24T22:25:39","date_gmt":"2018-07-25T02:25:39","guid":{"rendered":"http:\/\/bioinfo.iric.ca\/?p=4035"},"modified":"2018-07-31T21:49:09","modified_gmt":"2018-08-01T01:49:09","slug":"un-petit-mot-concernant-la-variabilite-non-desiree","status":"publish","type":"post","link":"https:\/\/bioinfo.iric.ca\/fr\/un-petit-mot-concernant-la-variabilite-non-desiree\/","title":{"rendered":"Un mot concernant la variabilit\u00e9 non d\u00e9sir\u00e9e"},"content":{"rendered":"

Toutes les exp\u00e9riences d’expression g\u00e9nique sont influenc\u00e9es par plusieurs variables. Il y a celle qui nous int\u00e9resse (la variable d’int\u00e9r\u00eat) et…les autres.\u00a0 \u00a0Ces autres variables (d’origine technique ou biologique), introduisent de la variabilit\u00e9 dans les donn\u00e9es. Et elle passe\u00a0 souvent inaper\u00e7ue.<\/p>\n

Prenons une exp\u00e9rience o\u00f9 nous voulons \u00e9tudier comment un traitement affecte l’expression des g\u00e8nes.\u00a0 Le traitement est donc la variable d’int\u00e9r\u00eat et elle est au coeur de l’exp\u00e9rience.\u00a0 Mais toutes diff\u00e9rences dans les instruments utilis\u00e9s, dans la fa\u00e7on de manipuler les \u00e9chantillons, dans le background<\/em> g\u00e9n\u00e9tique, dans l’\u00e2ge des patients peuvent aussi influencer l’expression des g\u00e8nes.\u00a0 Il est donc tr\u00e8s fr\u00e9quent d’observer des effets de batch<\/em>\u00a0dans ce type de jeux de donn\u00e9es.<\/p>\n

Les effets de batch <\/em>peuvent affecter les g\u00e8nes qui sont associ\u00e9s \u00e0 la variable d’int\u00e9r\u00eat ou non.\u00a0 Par exemple, l’expression d’un g\u00e8ne donn\u00e9 peut \u00eatre influenc\u00e9e par l’\u00e2ge du patient en plus d’\u00eatre influenc\u00e9e par le traitement \u00e9tudi\u00e9.\u00a0 C’est un probl\u00e8me, car ignorer les effets de batch<\/em> peut mener \u00e0 des conclusions biologiques fautives.<\/p>\n

Ceci est particuli\u00e8rement vrai si l’effet de batch<\/em> est corr\u00e9l\u00e9 avec la variable d’int\u00e9r\u00eat.\u00a0 Par exemple, supposons que vous vouliez \u00e9tudier l’effet d’un traitement et que vous s\u00e9quenciez tous vos \u00e9chantillons \u00ab\u00a0contr\u00f4le\u00a0\u00bb le m\u00eame jour et tous les \u00e9chantillons \u00ab\u00a0traitement\u00a0\u00bb une semaine plus tard.\u00a0 Dans un monde id\u00e9al, il n’y aurait pas de diff\u00e9rences dans les r\u00e9sultats obtenus \u00e0 ces deux dates autres que celles li\u00e9es \u00e0 la r\u00e9ponse au traitement.\u00a0 Mais si quelque chose arrive (un bris de climatisation, un nouveau lot de r\u00e9actif, un oubli, etc), distinguer l’effet du traitement de la variation technique sera tr\u00e8s difficile avec un tel design exp\u00e9rimental.\u00a0 Vous pourriez penser, par exemple, que le traitement active une voie de signalisation en lien avec la r\u00e9ponse au stress alors que cela serait plut\u00f4t d\u00fb \u00e0 une diff\u00e9rence dans les conditions de manipulation des \u00e9chantillons.\u00a0\u00a0\u00a0Rappelez-vous, corr\u00e9lation n’est pas synonyme de causalit\u00e9.<\/p>\n

Pour \u00e9viter ce genre de situation, il faut planifier son exp\u00e9rience au pr\u00e9alable avec soin.\u00a0 Il faut r\u00e9duire le plus possible les sources de variation et bien balancer la variabilit\u00e9 qu’on ne peut pas contr\u00f4ler afin d’\u00e9viter les variables confondantes. Surtout n’h\u00e9sitez pas \u00e0 consulter un bio-statisticien ou un bio-informaticien AVANT de faire l’exp\u00e9rience.<\/p>\n

Analyse SVA (surrogate variable analysis<\/em>)<\/strong><\/p>\n

Malgr\u00e9 toutes les pr\u00e9cautions, il arrive parfois que nous ayons \u00e0 travailler avec des donn\u00e9es bruit\u00e9es.\u00a0 Parmi les m\u00e9thodes existantes pour corriger les effets de batch<\/em>,\u00a0 certaines assument que les effets sont connus tandis que d’autres tentent de les d\u00e9couvrir.\u00a0 Dans le premier cas, on prendra donc en compte la variable connue dans l’analyse.\u00a0 Dans le deuxi\u00e8me cas, on tentera d’identifier la variabilit\u00e9 \u00ab\u00a0inconnue\u00a0\u00bb pour ensuite la contr\u00f4ler.\u00a0 C’est dans la deuxi\u00e8me cat\u00e9gorie qu’entre SVA\u00a0 (surrogate variable analysis).<\/em>\u00a0 SVA tente d’identifier la variabilit\u00e9 \u00ab\u00a0inconnue\u00a0\u00bb et essaie de la contr\u00f4ler en construisant des variables qui peuvent ensuite \u00eatre utilis\u00e9es dans les analyses subs\u00e9quentes (dans des mod\u00e8les lin\u00e9aires par exemple).<\/p>\n

La m\u00e9thode a \u00e9t\u00e9 d\u00e9velopp\u00e9e en 2007 par\u00a0Leek et al<\/a>\u00a0pour analyser les effets de batch<\/em> dans les biopuces (microarrays<\/em>).\u00a0 \u00a0L’algorithme a \u00e9volu\u00e9 depuis la publication originale\u00a0(Leek et al. 2008<\/a>,\u00a0Leek et al, 2012<\/a>) et il existe aujourd’hui plus d’une version pouvant \u00eatre utilis\u00e9es selon le contexte et les donn\u00e9es (svaseq<\/em> pour des donn\u00e9es de s\u00e9quen\u00e7age, supervised sva<\/em>, frozen sva<\/em> lorsqu’on a un ensemble d’entrainement et de test).\u00a0 La m\u00e9thode est couramment utilis\u00e9e pour corriger les effets de\u00a0batch<\/em> et est disponible dans la librairie R de Bioconductor sva<\/em> ainsi que dans d’autres librairies comme limma<\/em>.\u00a0 \u00c0 noter que SVA n’est pas appropri\u00e9 dans tous les contextes, particuli\u00e8rement si la question d’int\u00e9r\u00eat implique des groupes compos\u00e9s de plusieurs sous-groupes h\u00e9t\u00e9rog\u00e8nes.<\/p>\n

Bien qu’il existe plusieurs impl\u00e9mentations, l’id\u00e9e de base reste la m\u00eame : 1) enlever le signal attribu\u00e9 \u00e0 la variable d’int\u00e9r\u00eat (rappelez-vous que l’on veut identifier de la variabilit\u00e9 \u00ab\u00a0inconnue\u00a0\u00bb) et identifier un sous-groupe de g\u00e8nes affect\u00e9s par la variabilit\u00e9 restante, 2) d\u00e9composer la matrice d’expression ainsi r\u00e9duite pour construire des variables de substitution, 3) utiliser ces variables de substitution dans les analyses subs\u00e9quentes comme des variables \u00ab\u00a0connues\u00a0\u00bb.<\/p>\n

Pour arriver \u00e0 cela, SVA utilise deux m\u00e9thodes plut\u00f4t int\u00e9ressantes : les mod\u00e8les lin\u00e9aires et la d\u00e9composition.\u00a0 Mon but ici n’est pas d’expliquer en d\u00e9tail comment SVA fonctionne, mais plut\u00f4t de vous introduire \u00e0 ces deux approches.<\/p>\n

Mod\u00e8les lin\u00e9aires et d\u00e9composition<\/strong><\/p>\n

Mod\u00e8les lin\u00e9aires<\/span><\/p>\n

Avec les mod\u00e8les lin\u00e9aires, le but est d’estimer les param\u00e8tres d’une \u00e9quation, g\u00e9n\u00e9ralement de la forme suivante :<\/p>\n

Yi<\/sub><\/em>\u00a0= \u03b20<\/sub>\u00a0+ \u03b21<\/sub>xi<\/sub><\/em>\u00a0+\u00a0ei\u00a0\u00a0<\/sub><\/em><\/p>\n

Les coefficients \u03b2 sont estim\u00e9s en minimisant l’erreur entre les points (Yi<\/sub><\/em>) et la sortie de l’\u00e9quation pour les xi\u00a0<\/sub><\/em>\u00a0correspondants.\u00a0 Dans le contexte de l’expression g\u00e9nique, nous assumons que l’expression est compos\u00e9e de diff\u00e9rents signaux : la valeur de base, l’effet li\u00e9 \u00e0 la condition biologique \u00e9tudi\u00e9e, l’effet li\u00e9 aux autres variables connues, l’effet li\u00e9 aux\u00a0batch<\/em> \u00ab\u00a0inconnues\u00a0\u00bb et l’erreur.<\/p>\n

expression_gene = expression_de_base + effet_biologique + effet_batch_connue + effet_batch_inconnue + erreur<\/p>\n

Il est ainsi possible d’estimer la contribution de chaque variable \u00e0 l’expression d’un g\u00e8ne.\u00a0 Par exemple, on peut estimer quelle est la contribution (effet) de la variable biologique dans l’expression.\u00a0 Pour des exemples pratiques, je vous conseille de regarder le manuel d’utilisation de la librairie limma<\/em>.<\/p>\n

D\u00e9composition en valeurs singuli\u00e8res (Singular value decomposition<\/em>)<\/span><\/p>\n

La d\u00e9composition en valeurs singuli\u00e8res (SVD) peut \u00eatre vue comme une technique de r\u00e9duction du nombre de dimensions.\u00a0 SVD d\u00e9compose une matrice en trois matrices :\u00a0Y<\/span><\/span><\/span>=<\/span>U<\/span>D<\/span>V<\/span><\/span><\/span>\u22a4<\/sup>\u00a0<\/span><\/span>.\u00a0 Plus pr\u00e9cis\u00e9ment, pour une matrice\u00a0Y de taille\u00a0m x n<\/em>\u00a0, SVD d\u00e9compose Y en une matrice orthogonale U de taille\u00a0m x p,\u00a0<\/em>en une matrice orthogonale V de taille p x p<\/em> et en une matrice diagonale D de taille n x p<\/em> pour p=min(m,n)<\/em>.\u00a0 SVD fournit un moyen de compresser des donn\u00e9es en un nombre r\u00e9duit de variables tri\u00e9es, les premi\u00e8res variables expliquant une plus grande proportion de la variance (de la variabilit\u00e9) que les suivantes.\u00a0 C’est similaire \u00e0 l’analyse en composantes principales (PCA).<\/p>\n

Mais comment tout cela est-il li\u00e9 \u00e0 SVA?<\/p>\n

Pour soustraire le signal attribu\u00e9 \u00e0 la variable biologique d’int\u00e9r\u00eat, SVA ajuste un mod\u00e8le lin\u00e9aire qui ne contient que cette variable.\u00a0 Le signal associ\u00e9 \u00e0 cette variable est estim\u00e9 et retir\u00e9 des donn\u00e9es pour cr\u00e9er une matrice d’expression r\u00e9siduelle.\u00a0 N’oubliez pas, l’id\u00e9e est de r\u00e9cup\u00e9rer des variables de substitution repr\u00e9sentatives de la variabilit\u00e9 inconnue, et non de la variabilit\u00e9 associ\u00e9e \u00e0 la variable d’int\u00e9r\u00eat.<\/p>\n

\"\"<\/p>\n

Ensuite, la d\u00e9composition de la matrice d’expression r\u00e9siduelle\u00a0par SVD permet d’obtenir un ensemble de variables ordonn\u00e9es par variabilit\u00e9 expliqu\u00e9e d\u00e9croissante.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

Ces variables \u00ab\u00a0compress\u00e9es\u00a0\u00bb sont utilis\u00e9es pour identifier des sous-groupes de g\u00e8nes associ\u00e9s \u00e0 la variabilit\u00e9 captur\u00e9e.\u00a0 Consid\u00e9rez les sous-ensembles de g\u00e8nes comme des signatures dans l’expression r\u00e9siduelle.\u00a0 Les sous-groupes sont utilis\u00e9s pour cr\u00e9er des matrices d’expression r\u00e9duites.<\/p>\n

\"\"<\/p>\n

La d\u00e9composition par SVD des matrices d’expression r\u00e9duites fournit des estim\u00e9s des variables de substitution.\u00a0 Ces derni\u00e8res peuvent ensuite \u00eatre utilis\u00e9es dans les analyses subs\u00e9quentes.<\/p>\n

Quelques petites notes ici, les variables de substitution repr\u00e9sentent collectivement la variabilit\u00e9 inconnue, elles ne seront pas n\u00e9cessairement associ\u00e9es \u00e0 une source de variation sp\u00e9cifique.\u00a0 Il n’y aura pas n\u00e9cessairement une variable qui sera repr\u00e9sentative de l’instrument utilis\u00e9 par exemple.\u00a0 Aussi, notez que les figures ci-dessus ne visent qu’\u00e0 rendre les choses plus claires et ne sont pas compl\u00e8tes ou exactes.\u00a0 Pour tous les d\u00e9tails, il vaut mieux consulter la description des algorithmes dans les papiers cit\u00e9s.<\/p>\n

En terminant, je ne peux pas me prononcer \u00e0 savoir si SVA est la meilleure approche pour corriger les effets de batch<\/em>. Mais j’esp\u00e8re que l’explication des concepts utilis\u00e9s vous donnera une meilleure compr\u00e9hension de la correction d’effet de batch<\/em> (et de bruit) en g\u00e9n\u00e9ral.<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Toutes les exp\u00e9riences d’expression g\u00e9nique sont influenc\u00e9es par plusieurs variables. Il y a celle qui nous int\u00e9resse (la variable d’int\u00e9r\u00eat) et…les autres.\u00a0 \u00a0Ces autres variables (d’origine technique ou biologique), introduisent de la variabilit\u00e9 dans les donn\u00e9es. Et elle passe\u00a0 souvent inaper\u00e7ue. Prenons une exp\u00e9rience o\u00f9 nous voulons \u00e9tudier comment un traitement affecte l’expression des g\u00e8nes.\u00a0 Le traitement est donc la variable d’int\u00e9r\u00eat et elle est au coeur de l’exp\u00e9rience.\u00a0 Mais toutes diff\u00e9rences dans les instruments utilis\u00e9s, dans la fa\u00e7on de […]<\/a><\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"image","meta":{"jetpack_post_was_ever_published":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[41],"tags":[],"class_list":["post-4035","post","type-post","status-publish","format-image","hentry","category-bioinformatique","post_format-post-format-image"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/4035","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/comments?post=4035"}],"version-history":[{"count":28,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/4035\/revisions"}],"predecessor-version":[{"id":4084,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/4035\/revisions\/4084"}],"wp:attachment":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/media?parent=4035"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/categories?post=4035"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/tags?post=4035"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}