Анализ дифференциальной экспрессии методом RNA-Seq: расширенный обзор и программный инструмент

RNA-Seq differential expression analysis: An extended review and a software tool
Douglas Silva Domingues, Juliana Costa Silva, Fabrício Martins Lopes
2017-12-21

DESeq2RNA-Seqанализ дифференциальной экспрессиидифференциально экспрессируемые генымаппинг прочтений
Корректная идентификация дифференциально экспрессируемых генов (DEG) между определёнными условиями имеет ключевое значение для понимания фенотипической вариабельности. Высокопроизводительное секвенирование транскриптома (RNA-Seq) стало основным методом для таких исследований. Поэтому число методов и программных средств для анализа дифференциальной экспрессии по данным RNA-Seq также быстро увеличилось. Однако единого мнения относительно наиболее подходящего конвейера или протокола идентификации дифференциально экспрессируемых генов по данным RNA-Seq не существует. В данной работе представлен расширенный обзор этой тематики, включающий оценку шести методов картирования прочтений, в том числе псевдовыравнивания и квазикартирования, а также девяти методов анализа дифференциальной экспрессии по данным RNA-Seq. Применяемые методы оценивали на реальных данных RNA-Seq, используя данные количественной полимеразной цепной реакции с обратной транскрипцией (qRT-PCR) в качестве эталона (золотого стандарта). В рамках исследования было разработано программное обеспечение, выполняющее все представленные в работе виды анализа; оно находится в свободном доступе по адресу https://github.com/costasilvati/consexpression. Результаты показали, что методы картирования оказывают минимальное влияние на итоговый анализ DEG при наличии у используемых данных аннотированного референсного генома. Для рассмотренной экспериментальной модели наиболее согласованные результаты продемонстрировали методы идентификации DEG limma+voom, NOIseq и DESeq2. Кроме того, консенсус пяти методов идентификации DEG обеспечил получение списка DEG с высокой точностью, что указывает на возможность получения более подходящих результатов при комбинировании различных методов. Опция консенсуса также включена в доступное программное обеспечение.
1
Консенсус пяти методов выявления дифференциально экспрессируемых генов обеспечил высокоточную совокупность генов, поддерживая комбинированное применение методов.
2
Для исследованной экспериментальной модели наиболее согласованные результаты дифференциального анализа дали методы limma+voom, NOIseq и DESeq2.
3
Авторы разработали и бесплатно опубликовали программное обеспечение, реализующее рассмотренные анализы и выбор генов на основе консенсуса.
4
В работе рассмотрены и оценены шесть методов картирования RNA-Seq-считываний, включая псевдовыравнивание и квазикартирование, а также девять методов анализа дифференциальной экспрессии.
5
При использовании реальных данных RNA-Seq и данных qRT-PCR в качестве эталона выбор метода картирования минимально влиял на результаты выявления дифференциально экспрессируемых генов при наличии аннотированного референсного генома.

данные RNA-Seq и дифференциально экспрессирующиеся гены между конкретными биологическими условиями

точность и согласованность методов выявления дифференциально экспрессирующихся генов, включая влияние стратегий картирования прочтений и согласованности результатов между методами

Publication Details
Publication Date
2017-12-21
Journal
Publisher
ISSN
Cited by
628
Access Type
Author Information
Authors
Douglas Silva Domingues
Juliana Costa Silva
Fabrício Martins Lopes
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%