Дифференциальный анализ данных RNA-seq: оценки на уровне транскриптов улучшают выводы на уровне генов

Секвенирование кДНК высокой пропускной способности (RNA-seq) широко используют для характеристики транскриптома клеток. Во многих транскриптомных исследованиях сравнивают либо уровни абундантности, либо состав транскриптома между разными условиями, и первым шагом служит использование последовательностей прочтений для количественной оценки абундантности интересующих транскриптомных признаков, таких как гены или транскрипты. Предложены разные подходы к квантификации — от простого подсчёта прочтений, перекрывающих заданные геномные области, до более сложной оценки истинной абундантности транскриптов. В этой работе мы показываем, что оценки абундантности на уровне генов и статистический вывод имеют преимущества перед анализом на уровне транскриптов с точки зрения точности и интерпретируемости. Мы также демонстрируем, что наличие дифференциального использования изоформ может приводить к завышению доли ложноположительных результатов при анализе дифференциальной экспрессии генов по простым матрицам подсчёта, но этого можно избежать, если включать поправки, полученные из оценок абундантности на уровне транскриптов. Кроме того, мы показываем, что в нескольких реальных наборах данных эта проблема относительно невелика. Наконец, мы предлагаем пакет для R (tximport), который помогает интегрировать оценки абундантности на уровне транскриптов из распространённых конвейеров квантификации в статистические методы вывода на основе подсчёта прочтений.