Detailansicht
reComBat-seq: removing batch effects of large datasets with regularized negative binomial regression
Zhasmina Stoyanova
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Bioinformatik
Betreuer*in
Jörg Menche
DOI
10.25365/thesis.79729
URN
urn:nbn:at:at-ubw:1-13374.79758.986582-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Durch die stetig wachsende Zahl an RNA-seq-Studien (RNA-Sequenzierung) steht heute eine große Menge an Omics-Daten zur Verfügung, die vielfältige Forschungsmöglichkeiten bietet, jedoch auch bedeutende rechentechnische Herausforderungen bei der präzisen Analyse mit sich bringt. Die Korrektur technischer Störsignale, sogenannter Batch-Effekte, ist insbesondere bei der Integration großer Datensätze von entscheidender Bedeutung, da Unterschiede in der Probenverarbeitung zwischen Batches wahre biologische Signale überdecken und aussagekräftige Vergleiche erschweren können. Methoden wie ComBat (für Microarray-Daten) und ComBat-seq (für Zähldaten) korrigieren Batch-Effekte mithilfe von Regressionsansätzen, erreichen jedoch bei großen Datensätzen mit vielen experimentellen Bedingungen ihre Grenzen, da dünnbesetzte hochdimensionale Designmatrizen entstehen. Bei stark korrelierten Batch-Designs kann ComBat keine eindeutige Lösung finden. Um dieses Problem zu lösen, erweitert reComBat den Ansatz von ComBat durch Regularisierung mittels Elastic Net und ermöglicht so die Analyse von unterbestimmten Datensätzen. Da reComBat eine Normalverteilung voraussetzt und die ursprüngliche Datenverteilung verändert, ist seine Anwendbarkeit auf nicht normalverteilte Zähldaten und Downstream-Analysen begrenzt. Diese Masterarbeit untersucht die mathematischen Grundlagen der Elastic-Net Regularisierung und integriert sie in das negative binomiale Regressionsmodell von ComBat-seq, um auch Datensätze mit stark korellierten Prädiktoren verarbeiten zu können. Das daraus resultierende Tool reComBat-seq (regularisiertes ComBat-seq) wurde in R basierend auf dem Ansatz von reComBat implementiert und gegen bestehende Batch-Korrekturmethoden getestet. Wir demonstrieren das Potenzial von reComBat-seq anhand simulierter und realer RNA-seq-Datensätze und zeigen, wie es die Integration und Analyse von unterbestimmten RNA-seq-Daten ermöglicht. Die Methode bewahrt die ganzzahlige Struktur der Zähldaten, was die Kompatibilität mit verschiedenen Pipelines zur differentiellen Expression gewährleistet und erreicht eine vergleichbare Leistung zu etablierten Methoden, insbesondere bei einfacheren experimentellen Designs. Durch Fein-tuning könnte reComBat-seq sein Einsatzspektrum auf komplexere Designs ausweiten und so eine zuverlässigere und skalierbarere Integration von RNA-seq-Daten ermöglichen.
Abstract
(Englisch)
The rapid growth of RNA-seq studies has led to an explosion of omics data, offering new research opportunities but also posing computational challenges for accurate analysis. Correcting technical noise, known as batch effects, is especially important when integrating large datasets, as variations in sample processing across batches can obscure true biological signals and hinder meaningful comparisons. Methods like ComBat (for microarray) and ComBat-seq (for count data) address batch correction via regression but struggle with large datasets containing many experimental conditions, resulting in sparse, high-dimensional design matrices. When batch designs are highly correlated, ComBat may fail to find unique solutions. To tackle this, reComBat extends ComBat by regularizing the regression with Elastic Net, enabling analysis of sparse, underdetermined data. However, reComBat assumes normality and does not preserve the original data distribution, limiting its use with skewed count data and downstream analyses. This master’s thesis investigates the mathematical foundations of Elastic Net regularization and applies it to the negative binomial regression model used in ComBat-seq, extending the method for datasets with underdetermined designs. The resulting tool, reComBat-seq (regularized ComBat-seq), is implemented in R based on the approach of reComBat and benchmarked against existing batch correction methods. We demonstrate the potential of reComBat-seq on simulated and real RNA-seq datasets and show how it enables the integration and analysis of underdetermined RNA-seq data. The method preserves the integer nature of count data, ensuring compatibility with common differential expression tools and achieves comparable performance to established methods, particularly in simpler experimental designs. With fine-tuning, reComBat-seq has the potential to extend its applicability to more complex designs, facilitating more reliable and scalable RNA-seq data integration.
Schlagwörter
Schlagwörter
(Deutsch)
Bioinformatik Batch-Correction RNA-seq ComBat-seq reComBat negative Binomialeverteilung
Schlagwörter
(Englisch)
Bioinformatics Batch-Correction RNA-seq ComBat-seq reComBat Negative Binomial Distribution
Autor*innen
Zhasmina Stoyanova
Haupttitel (Englisch)
reComBat-seq: removing batch effects of large datasets with regularized negative binomial regression
Publikationsjahr
2025
Umfangsangabe
iv, 70 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jörg Menche
Klassifikationen
42 Biologie > 42.11 Biomathematik. Biokybernetik ,
54 Informatik > 54.89 Angewandte Informatik. Sonstiges
AC Nummer
AC17721056
Utheses ID
77627
Studienkennzahl
UA | 066 | 875 | |