スキップしてメイン コンテンツに移動

RNA-seq から発現量が変動した遺伝子をどのように得るか

RNA-seq のデータから、統計的に有意な変動を示す遺伝子をどのように得るか。Microarray ときにも散々議論されましたが、RNA-seq でも同じく議論になっています。現在提案されている手法についてまとめてみました。

まだ全部には目を通せてません。すべて読んだ後に解説を書くかもしれませんが、網羅している自信がないので、先にリンクを列挙しておきます。主に論文とツールのソースコード、マニュアルなどです。ほかに情報をお持ちの方は教えてくださいな。

1. cufflinks と cuffdiff


http://cufflinks.cbcb.umd.edu/howitworks.html の後半に cuffdiff の説明がある。

FPKM
Trapnell C, Williams BA, Pertea G, Mortazavi AM, Kwan G, van Baren MJ, Salzberg SL, Wold B, Pachter L. Transcript assembly and quantification by RNA-Seq reveals unannotated transcripts and isoform switching during cell differentiation. Nature Biotechnology doi:10.1038/nbt.1621
http://dx.doi.org/10.1038/nbt.1621


Jensen–Shannon divergence
http://en.wikipedia.org/wiki/Jensen%E2%80%93Shannon_divergence

以下の3つも知っておいたほうが理解しやすい良い。

RPKM
Ali Mortazavi, Brian A Williams, Kenneth McCue, Lorian Schaeffer and Barbara Wold Mapping and quantifying mammalian transcriptomes by RNA-Seq Nature Methods, volume 5, 621 - 628 (2008)
http://www.nature.com/nmeth/journal/v5/n7/abs/nmeth.1226.html

Hui Jiang and Wing Hung Wong, Statistical Inferences for isoform expression, Bioinformatics, 2009 25(8):1026-1032
http://bioinformatics.oxfordjournals.org/cgi/content/full/25/8/1026

2. baySeq


http://www.bioconductor.org/packages/release/bioc/html/baySeq.html
Hardcastle TJ, Kelly KA. baySeq: Empirical Bayesian Methods For Identifying Differential Expression In Sequence Count Data. BMC Bioinformatics. 2010 Aug 10;11(1):422. [Epub ahead of print] PubMed PMID: 20698981.
http://www.biomedcentral.com/1471-2105/11/422/abstract

マイクロアレイ時代に提案されていた元ネタ達
Smyth GK: Linear models and empirical Bayes methods for assessing differential expression in microarray experiments. Statistical Applications in Genetics and Molecular Biology 2004
http://www.biomedcentral.com/pubmed/16646809

Lönnstedt IM, Rimini R, Nilsson P: Empirical Bayes Microarray ANOVA and Grouping Cell Lines by Equal Expression Levels. Statistical Applications in Genetics and Molecular Biology 2005
http://dx.doi.org/10.2202/1544-6115.1125


3. DEseq


Differential expression analysis for sequence count data
Simon Anders and Wolfgang Huber
http://precedings.nature.com/documents/4282/version/2

http://www-huber.embl.de/users/anders/DESeq/
http://www.bioconductor.org/packages//release/bioc/html/DESeq.html
http://www-huber.embl.de/users/anders/DESeq/

4. EdgeR


http://www.bioconductor.org/packages/release/bioc/html/edgeR.html

Robinson, MD and Smyth GK (2007)
Moderated Statistical Tests for Assessing Differences in Tag Abundance, Bioinformatics. 23(21):2881-7.
http://www.ncbi.nlm.nih.gov/pubmed/17881408

Robinson, MD and Smyth, GK (2008)
Small Sample Estimation of Negative Binomial Dispersion, with applications to SAGE data, Biostatistics. 9(2):321-32.
http://www.ncbi.nlm.nih.gov/pubmed/17728317

EdgeR は元々 msage というパッケージだった。

古典


SAGE時代の古典的論文。

Baggerly KA, Deng L, Morris JS, Aldaz CM: Overdispersed logistic regression for SAGE: modelling multiple groups and covariates. BMC Bioinformatics 2004 , 5:144
http://www.biomedcentral.com/pubmed/15469612

Lu J, Tomfohr JK, Kepler TB: Identifying differential expression in multiple SAGE libraries: an overdispersed log-linear model approach. BMC Bioinformatics 2005 , 6:165.
http://www.biomedcentral.com/pubmed/15987513

定量化と簡単な正規化法の比較


Bullard JH, Purdom E, Hansen KD, Dudoit S. Evaluation of statistical methods for normalization and differential expression in mRNA-Seq experiments. BMC Bioinformatics. 2010 Feb 18;11:94. PubMed PMID: 20167110; PMCID: PMC2838869.
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2838869/

正規化は
(1) total lane counts, as in RPKM
(2) per-lane counts for a "housekeeping" gene expected to be constantly expressed across biological conditions, e.g., POLR2A
(3) per-lane upper-quartile of gene counts for genes with reads in at least one lane.
の3つを比較

論文のなかに出てくる Hypergeometric model
Marioni JC, Mason CE, Mane SM, Stephens M, Gilad Y. RNA-seq: an assessment of technical reproducibility and comparison with gene expression arrays. Genome Res. 2008 Sep;18(9):1509-17. Epub 2008 Jun 11. PubMed PMID: 18550803; PMCID: PMC2527709.
http://www.ncbi.nlm.nih.gov/pubmed/18550803

Multiple DGE librairies comparison. (EdgeR baySeq DESeq)
http://seqanswers.com/forums/showthread.php?t=4349

このブログの人気の投稿

Quartz-Seqで1細胞/微量RNA-Seqを始めたい方へ

はじめに 新しい高精度な1細胞RNA-Seq, Quartz-Seq論文を出してから、各方面から多く相談を受けています。
Sasagawa Y and Nikaido I, et. al. Quartz-Seq: a highly reproducible and sensitive single-cell RNA-Seq reveals non-genetic gene expression heterogeneity. Genome Biology. 14. 2013 
そこで、新しく1細胞RNA-Seqを始める方へ、僕達が理想だと考えている技術導入の手順を紹介したいと思います。また我々の方法は1細胞(6-14 pg Total RNA)だけでなく pg-ng オーダーの少量RNAからシーケンスが可能です。そのような方も以下の手順が参考になると思います。 0. 1細胞/微量RNA-Seqが本当に必要なのか検討する 1細胞/微量RNA-Seqでは、現時点でQuartz-Seqが世界最高の性能を持っている訳ですが、十分なサンプルを用意し、通常のRNA-Seqしたほうが、より精度の高いデータが得られます。なので、基本的には、サンプルをたくさん集める方法をしっかり検討すべきです。まずは、戦略面と技術面で1細胞/微量RNA-Seqが本当に必要かを検討する基準について書きます。 0.1. 戦略面での検討 あなたが抱えているプロジェクトが、1細胞/微量RNA-Seqでなければアプローチできないかどうかを問い直すことが重要です。
基本的には以下の2つの状況で、1細胞/微量RNA-Seqが役に立ちます。
a. 細胞状態が連続的に変化し、さまざまな細胞状態が、細胞集団に含まれている場合 (振動現象、ゆらぎなど) b. 細胞状態を特定するマーカーがほどんどわかっていない場合
最初から細胞状態が2状態しかないことが明らかで、しかも細胞状態を代表する遺伝子が分かっている、という状況では、FACSなどで cell sorting し、目的の細胞を採取することを考えるべきです。そして、微量RNA-Seqや通常のRNA-Seqで、しっかりと biological replication を取る方が良いでしょう。微量になると、テクニカルなノイズが増えるために、生物学的な差を知るためには、n を…

シーケンスアダプタ配列除去ツールまとめ

FASTQ/A file からシーケンスアダプター配列やプライマー配列を除くためのプログラムをまとめてみる。

まず、配列の除去には大別して2つの方向性がある。ひとつは、アダプター配列を含む「リード」を除いてしまう方法。もうひとつは除きたい配列をリードからトリムする方法である。後者のほうが有効リードが増えるメリットが、綺麗に除ききれない場合は、ゲノムへのマップ率が下がる。
気をつける点としては、アダプター/プライマーの reverse complement を検索するかどうか。paired end の際には大事になる。クオリティでトリムできるものや、Paired-end を考慮するものなどもある。アダプター/プライマー配列の文字列を引数として直接入力するものと、multi fasta 形式で指定できるももある。

From Evernote: シーケンスアダプタ配列除去ツールまとめTagDust
http://genome.gsc.riken.jp/osc/english/software/src/nexalign-1.3.5.tgz http://bioinformatics.oxfordjournals.org/content/25/21/2839.full
インストール: curl -O http://genome.gsc.riken.jp/osc/english/software/src/tagdust.tgztar zxvf tagdust.tgz cd tagdust/ make sudo make install rehash
使いかた: tagdust adapter.fasta input.fastq -fdr 0.05 -o output.clean.fastq -a output.artifactual.fastq
解説: 入出力形式は fastq/a が使える。リード全体を除く。速い。アダプター配列を fasta 形式で入力できるのが地味に便利で、これに対応しているものがなかなかない。Muth–Manber algorithm (Approximate multiple string search) を利用。FDRを指定できる。GPL3