Performance evaluation of transcriptomics data normalization for survival risk prediction.
Performance evaluation of transcriptomics data normalization for survival risk prediction.
复制标题
DOI：
10.1093/bib/bbab257
复制
发表时间：
2021-11-05
影响因子：
9.5
通讯作者：
Qin LX
中科院分区：
文献类型：
--
作者：
Ni A;Qin LX
转录组数据的一个关键特征是由不同的实验处理引起的不必要的变化，称为处理效应。为了减轻差异表达分析中处理效果的不利影响，开发了各种数据归一化方法。然而，在生物医学研究中转录学数据的一个重要分析目标--生存结果预测方面，很少有人研究评估它们的表现。利用同一组肿瘤样本的一对独特的数据集-一个有处理效果，另一个没有处理效果，我们开发了一个基准工具，用于在microRNA微阵列中进行这样的评估。我们应用这个工具评估了三种流行的归一化方法-分位数归一化、中值归一化和方差稳定化归一化-在生存预测中的性能，使用了不同的建模方法和样本分配设计。我们发现处理效应对生存预测有很大的影响，分位数归一化是当前实践中最流行的方法，但往往不如中位数归一化和方差稳定化归一化。我们通过一个小示例演示了分位数标准化在此设置中性能不佳的原因。我们的发现强调了将标准化评估放在下游分析设置的背景下的重要性，以及通过应用中值标准化来改进生存预测因素发展的潜力。我们提供了我们的基准工具，用于对与预测建模方法相关的其他归一化方法进行此类评估。
One pivotal feature of transcriptomics data is the unwanted variations caused by disparate experimental handling, known as handling effects. Various data normalization methods were developed to alleviate the adverse impact of handling effects in the setting of differential expression analysis. However, little research has been done to evaluate their performance in the setting of survival outcome prediction, an important analysis goal for transcriptomics data in biomedical research. Leveraging a unique pair of datasets for the same set of tumor samples—one with handling effects and the other without, we developed a benchmarking tool for conducting such an evaluation in microRNA microarrays. We applied this tool to evaluate the performance of three popular normalization methods—quantile normalization, median normalization and variance stabilizing normalization—in survival prediction using various approaches for model building and designs for sample assignment. We showed that handling effects can have a strong impact on survival prediction and that quantile normalization, a most popular method in current practice, tends to underperform median normalization and variance stabilizing normalization. We demonstrated with a small example the reason for quantile normalization’s poor performance in this setting. Our finding highlights the importance of putting normalization evaluation in the context of the downstream analysis setting and the potential of improving the development of survival predictors by applying median normalization. We make available our benchmarking tool for performing such evaluation on additional normalization methods in connection with prediction modeling approaches.
登录
查看更多内容
影响因子：
2
作者：
Heller, Glenn
通讯作者：
Heller, Glenn
影响因子：
2
作者：
Qin, Li-Xuan;Huang, Huei-Chung;Zhou, Qin
通讯作者：
Zhou, Qin
影响因子：
16.6
作者：
Li, Jie;Lenferink, Anne E. G.;Deng, Yinghai;Collins, Catherine;Cui, Qinghua;Purisima, Enrico O.;O'Connor-McCourt, Maureen D.;Wang, Edwin
通讯作者：
Wang, Edwin
DOI：
10.2202/1544-6115.1339
发表时间：
2009-01-01
影响因子：
0.9
作者：
Qin, Li-Xuan;Satagopan, Jaya M.
通讯作者：
Satagopan, Jaya M.
研究设计和数据分析考虑了发现预后分子生物标志物的考虑：晚期浆液卵巢癌中无进展生存的案例研究。
影响因子：
2.7
作者：
Qin LX;Levine DA
通讯作者：
Levine DA