Сколько биологических повторов необходимо в эксперименте RNA-seq и какой инструмент для анализа дифференциальной экспрессии следует использовать?
How many biological replicates are needed in an RNA-seq experiment and which differential expression tool should you use?
2016-03-28
SCID: 54.1/2n7gmte6
Discuss with AI
RNA-seqбиологические репликатыдифференциальная экспрессия геновedgeR и DESeq2ложное обнаружение
Figures from the paper
Abstract (AI)
RNA-seq в настоящее время является предпочтительной технологией для полногеномных исследований дифференциальной экспрессии генов, однако неясно, сколько биологических повторов необходимо для обеспечения корректной биологической интерпретации результатов и какие статистические инструменты лучше всего подходят для анализа данных. Для ответа на эти вопросы и разработки рекомендаций по планированию экспериментов был проведён эксперимент RNA-seq с 48 биологическими повторами в каждом из двух условий. При использовании трёх биологических повторов девять из 11 оценённых инструментов выявили лишь 20–40% генов со статистически значимой дифференциальной экспрессией (SDE), идентифицированных с использованием полного набора из 42 качественных повторов. Для подмножества генов SDE, экспрессия которых изменялась более чем в четыре раза, этот показатель возрастал до >85%. Для достижения показателя >85% для всех генов SDE независимо от кратности изменения экспрессии требуется более 20 биологических повторов. Те же девять инструментов надёжно контролировали частоту ложных открытий (FDR) на уровне ≲5% при любом числе повторов, тогда как оставшиеся два инструмента не обеспечивали адекватного контроля FDR, особенно при небольшом числе повторов. Для будущих экспериментов RNA-seq эти результаты свидетельствуют о том, что следует использовать не менее шести биологических повторов, увеличивая их число как минимум до 12, если важно выявлять гены SDE при любой кратности изменения экспрессии. Если используется менее 12 повторов, edgeR и DESeq2 являются предпочтительными инструментами благодаря лучшему сочетанию показателей истинно положительных и ложноположительных результатов. При большем числе повторов более важным становится минимизация ложноположительных результатов, и DESeq незначительно превосходит другие инструменты.
Key Findings
1
В эксперименте RNA-seq с 48 биологическими репликами на условие оценили необходимое число реплик и 11 инструментов дифференциальной экспрессии.
2
Для выявления более 85% значимо изменённых генов независимо от величины изменения экспрессии требовалось более 20 биологических реплик.
3
Девять инструментов контролировали частоту ложных открытий примерно на уровне 5% при любом числе реплик, тогда как два инструмента особенно плохо контролировали FDR при малом числе реплик.
4
Рекомендуется использовать минимум шесть реплик в целом и минимум 12, если важно выявлять изменения всех масштабов; при менее чем 12 репликах предпочтительны edgeR и DESeq2, а при большем числе реплик DESeq незначительно превосходит остальные инструменты.
5
При трёх репликах девять инструментов выявляли лишь 20–40% значимо изменённых генов, найденных с использованием 42 качественных реплик; для генов с изменением более чем в четыре раза показатель превышал 85%.
Research Object
RNA-seq-эксперименты, сравнивающие два биологических условия при различном числе биологических реплик
Research Subject
Влияние числа биологических реплик и выбора инструмента дифференциальной экспрессии на выявление статистически значимо дифференциально экспрессируемых генов и контроль уровня ложных обнаружений
Publication Details
Publication Date
2016-03-28
Journal
Publisher
ISSN
Cited by
966
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai8
Умеренная оценка изменения кратности и дисперсии для данных RNA-seq с помощью DESeq22014
edgeR: пакет Bioconductor для анализа дифференциальной экспрессии данных цифровой экспрессии генов2009
HTSeq — фреймворк на языке Python для работы с данными высокопроизводительного секвенирования2014
TopHat: выявление сайтов сплайсинга с помощью RNA-Seq2009
Метод масштабной нормализации для анализа дифференциальной экспрессии данных RNA-seq2010
voom: Точностные веса открывают доступ к инструментам анализа на основе линейных моделей для счётных данных RNA-seq2014
Гаплотипическая карта генома человека2005
RNA-seq: оценка технической воспроизводимости и сравнение с матрицами экспрессии генов2008