最近看到一篇文献Sex-specific transcriptional signatures in human depression，其中提到了用Rank-rank hypergeometric overlap (RRHO)方法来寻找不同类型样本之间的overlap基因
文章研究在Major depressive disorder（MMD）下，对6个brain regions(vmPFC, OFC, dlPFC, aINS, NAc, vSUB)进行转录组测序，研究不同性别下与MMD相关的6个brain regions的一些表达特征；通过RRHO来寻找brain regions的overlapping patterns，相当于找一些有共同影响作用的基因 
文章不做解读，但是这个RRHO方法的思路觉得有点意思，其出自文献Rank–rank hypergeometric overlap: identification of statistically significant overlap between gene-expression signatures
RRHO方法是将不同class样本的基因表达谱进行排序（两个class），然后利用超几何分布迭代计算所有组合的P值，进而找到最佳overlapping基因组合；这方法不需要预先人为设定阈值（比如差异基因阈值），所以是unbiased
我是通过其R包-RRHO的源码理解其计算思路，然后结合上述方法学文章加以理解；其R包源码很简单（500行不到的代码），大致有以下几个步骤：
- 对每组class样本计算其gene ranking；这个类似于GSEA中的ranking，可选的方法也一样，下图中用的是tTest，也可以用signal-to-noise等等；然后可以根据ranking绘制scatter plot，如果两个class之间一致性很高，那会有一条很好的线性回归线（对角线）
- 对上述ranking按照降序排列，设置一个step（相当于基因组合的长度），穷尽两个class的组合，用的是
expand.grid函数 - 循环每个组合，计算每个组合的overlapping gene数以及通过超几何分布(
phyper函数)计算每个组合的P值；下图的H(k,s,M,N)中k代表overlapping gene数，s和M分别代表两个class中每个组合的gene数，N代表总gene数 - 最后则是对于P值进行校正，默认是用BY(Benjamini-Yekutieli)方法进行多重检验校正；此外还有用Permutation（置换检验）方法（如果每组class的样本足够的多，至少6个样本）来评估hypergeometric map的整体统计学意义，这里跟GSEA也比较相似，既可以选择sample permutation也可以选择gene permutation，但是文章作者建议使用前者（PS. R包则默认使用后者。。。）
RRHO的结果怎么看呢，文章也给出了以下几点建议：
- Different map patterns indicate different types of overlap, such as the full profiles being correlated or only genes increasing in both experiments overlapping（看看整体表达趋势或者表达量同增的模式）
- The highest intensity point on the map can be used to extract the most statistically significant overlapping gene set（如果看到RRHO maps上有异常明显overlaping点，可以提取该set作为显著overlapping基因）
- To compare relative overlap pairwise within a set of profiles（就像最开始那篇文章用的，将多个brain regions的RRHO maps整合在一起比较）
- To compare an experimental profile to a series of reference signatures（将RRHO结果与其它reference signatures做比较）
其实已有人对RRHO方法做了整理，如一篇公众号文章超几何分布，RRHO--数据驱动寻找重叠基因，里面以PPT形式展示
生物信息分析方法繁多，各式各样的都有，所以有些方法不一定要用它，但是理解一下其思路也是不错的选择
本文出自于http://www.bioinfo-scrounger.com转载请注明出处