增强基于集群的差异表达分析方法用于RNA-seq数据
Manon Makino1, Kentaro Shimizu1, Koji Kadota1,2,3
1Graduate School of Agricultural and Life Sciences, The University of Tokyo, Yayoi 1-1-1, Bunkyo-ku, Tokyo 113-8657, Japan.
MethodsX
|January 5, 2024
概括
一种新的方法,MBCdeg3,使用RNA-seq数据改进了差异表达基因 (DEGs) 的识别和分类. 这种R函数在各种模拟场景中表现良好,为基因表达分析提供了强大的工具.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- RNA测序 (RNA-seq) 对于测量基因表达和识别差异表达基因 (DEGs) 是至关重要的.
- 基因聚类通常用于分类DEG,而不是识别它们.
- 以前的基于集群的方法 (MBCdeg1和MBCdeg2) 显示了DEG识别的潜力,但需要改进.
研究的目的:
- 引入一种改进的基于集群的方法,MBCdeg3,用于从RNA序列计数数据中识别和分类DEG.
- 评估MBCdeg3的性能与传统方法 (如edgeR,DESeq2,TCC) 以及早期的MBCdeg版本相比.
- 在表达式分析字段中为DEG分析提供一个用户友好的R函数.
主要方法:
- 六种方法的比较:edgeR,DESeq2,TCC,MBCdeg1,MBCdeg2和MBCdeg3. 这六种方法的比较.
- MBCdeg版本使用不同的规范化算法.
- 使用RNA-seq计数数据的各种模拟场景进行性能评估.
主要成果:
- 对于RNA-seq计数数据,MBCdeg3在各种模拟场景中表现出强的性能.
- MBCdeg3有效地识别和分类DEG,在特定情况下优于以前的版本和一些常规方法.
- 该方法以R函数的形式实现,使其在表达式分析中更容易采用.
结论:
- MBCdeg3代表了从RNA-seq数据中对DEG识别和分类的显著改进.
- 在R实现使MBCdeg3易于访问的研究人员在基因表达分析.
- 在各种实验环境中,MBCdeg3为分析RNA序列计数数据提供了可靠和有效的工具.
