Размер биологического пути имеет значение: влияние степени детализации путей на статистические показатели анализа сверхпредставленности (обогащения)

Введение: Анализ обогащения, или сверхпредставленности, — распространённый метод, применяемый в биоинформатических исследованиях данных транскриптомики, метаболомики и микробиома. Основная идея анализа обогащения заключается в следующем: используя набор значимо экспрессируемых генов (или метаболитов), можно выделить меньший набор нарушенных биологических путей или процессов, в которых участвуют эти гены (или метаболиты). Расчёты обогащения основаны на совокупностях определённых биологических путей и/или процессов, обычно получаемых из баз данных биологических путей. Хотя специалисты, выполняющие анализ обогащения, тщательно применяют статистические поправки, например поправку на множественные сравнения, они, по-видимому, не учитывают, что результаты анализа обогащения весьма чувствительны к определениям путей, используемым при расчёте.

Результаты: Мы показали, что альтернативные определения путей могут изменять значения p при анализе обогащения на величину до девяти порядков, тогда как статистические поправки обычно изменяют их лишь на два порядка. Мы привели несколько примеров, в которых определения небольших путей, использованные в базе данных EcoCyc, обеспечивали более значимые значения p при анализе обогащения, чем значительно более крупные определения путей в базе KEGG. Чтобы достичь заданного значения p, при анализе обогащения на основе KEGG требуется в 1,3–2,0 раза больше значимо экспрессируемых генов, чем при анализе на основе EcoCyc. Крупные пути в KEGG проблематичны и по другой причине: они объединяют в единое целое несколько биологических процессов — до 21. Если для такого пути KEGG выявляется выраженное обогащение, остаётся неясным, какой именно из входящих в него процессов нарушен; поэтому обоснованность биологических выводов, сделанных на основании обогащения крупных путей, также вызывает сомнения.

Выводы: Выбор базы данных биологических путей при анализе обогащения может оказывать значительно большее влияние на результаты, чем применяемые при этом статистические поправки.