Normalization of RNA-seq data using factor analysis of control genes or samples.
Normalization of RNA-seq data using factor analysis of control genes or samples.
复制标题
DOI：
10.1038/nbt.2931
复制
发表时间：
2014-09
影响因子：
46.9
通讯作者：
Dudoit, Sandrine
中科院分区：
文献类型：
--
作者：
Risso, Davide;Ngai, John;Speed, Terence P.;Dudoit, Sandrine
已证明RNA-seq数据的标准化对于确保表达水平的准确推断至关重要。在这里，我们表明，通常的标准化方法主要考虑测序深度，并未能纠正文库制备和其他更复杂的不必要的影响。我们评估了外部RNA控制联盟（ERCC）加标对照的性能，并研究了直接使用它们进行标准化的可能性。我们表明，穗英寸是不够可靠的标准的全球尺度或基于回归的归一化过程中使用。我们提出了一种标准化策略，去除不需要的变异（RUV），通过对合适的控制基因组（例如，ERCC掺入）或样品（例如，复制文库）。与最先进的标准化方法相比，我们的方法可以更准确地估计表达倍数变化和差异表达测试。特别是，RUV有望成为涉及多个实验室，技术人员和/或平台的大型合作项目的价值。
Normalization of RNA-seq data has proven essential to ensure accurate inference of expression levels. Here we show that usual normalization approaches mostly account for sequencing depth and fail to correct for library preparation and other more-complex unwanted effects. We evaluate the performance of the External RNA Control Consortium (ERCC) spike-in controls and investigate the possibility of using them directly for normalization. We show that the spike-ins are not reliable enough to be used in standard global-scaling or regression-based normalization procedures. We propose a normalization strategy, remove unwanted variation (RUV), that adjusts for nuisance technical effects by performing factor analysis on suitable sets of control genes (e.g., ERCC spike-ins) or samples (e.g., replicate libraries). Our approach leads to more-accurate estimates of expression fold-changes and tests of differential expression compared to state-of-the-art normalization methods. In particular, RUV promises to be valuable for large collaborative projects involving multiple labs, technicians, and/or platforms.
登录
查看更多内容
DOI：
10.1093/biostatistics/kxr054
发表时间：
2012-04
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Hansen KD;Irizarry RA;Wu Z
通讯作者：
Wu Z
影响因子：
12.3
作者：
Robinson MD;Oshlack A
通讯作者：
Oshlack A
影响因子：
46.9
作者：
Canales, Roger D.;Luo, Yuling;Goodsaid, Federico M.
通讯作者：
Goodsaid, Federico M.
影响因子：
5.8
作者：
Sun, Zhaonan;Zhu, Yu
通讯作者：
Zhu, Yu
影响因子：
3
作者：
Risso D;Schwartz K;Sherlock G;Dudoit S
通讯作者：
Dudoit S