Examining cellular heterogeneity in human DNA methylation studies: Overview and recommendations
Notice bibliographique
Résumé
Intersample cellular heterogeneity (ISCH) is one of the largest contributors to DNA methylation (DNAme) variability. It is imperative to account for ISCH to accurately interpret analysis results in epigenome-wide association studies. We compiled this primer based on the current literature to guide researchers through the process of estimating and accounting for ISCH in DNA methylation studies. This primer outlines the procedure of bioinformatic ISCH prediction, including using reference-based and reference-free algorithms. It then follows with descriptions of several methods to account for ISCH in downstream analyses, including robust linear regression and principal-component-analysis-based adjustments. Finally, we outlined three methods for estimating differential DNAme signals in a cell-type-specific manner. Throughout the primer, we provided statistical and biological justification for our recommendations, as well as R code examples for ease of implementation. Intersample cellular heterogeneity (ISCH) is one of the largest contributors to DNA methylation (DNAme) variability. It is imperative to account for ISCH to accurately interpret analysis results in epigenome-wide association studies. We compiled this primer based on the current literature to guide researchers through the process of estimating and accounting for ISCH in DNA methylation studies. This primer outlines the procedure of bioinformatic ISCH prediction, including using reference-based and reference-free algorithms. It then follows with descriptions of several methods to account for ISCH in downstream analyses, including robust linear regression and principal-component-analysis-based adjustments. Finally, we outlined three methods for estimating differential DNAme signals in a cell-type-specific manner. Throughout the primer, we provided statistical and biological justification for our recommendations, as well as R code examples for ease of implementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,101 | 0,258 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».