Анализ дифференциальной экспрессии методом RNA-Seq: расширенный обзор и программный инструмент
RNA-Seq differential expression analysis: An extended review and a software tool
2017-12-21
SCID: 54.1/54hkpxj8
Discuss with AI
DESeq2RNA-Seqанализ дифференциальной экспрессиидифференциально экспрессируемые генымаппинг прочтений
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
данные RNA-Seq и дифференциально экспрессирующиеся гены между конкретными биологическими условиями
Research Subject
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
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
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
Дифференциальный анализ RNA-seq: оценки на уровне транскриптов улучшают выводы на уровне генов2015
RNA-seq: оценка технической воспроизводимости и сравнение с матрицами экспрессии генов2008
Сколько биологических повторов необходимо в эксперименте RNA-seq и какой инструмент для анализа дифференциальной экспрессии следует использовать?2016
От считываний RNA-seq к результатам дифференциальной экспрессии2010