Согласование средств выравнивания: сравнение инструментов выравнивания данных РНК-секвенирования и количественной оценки экспрессии генов для клинических исследований рака молочной железы

Стремительное развитие транскриптомики и доступность технологий секвенирования нового поколения (NGS) приводят к резкому увеличению объёма данных об экспрессии генов в биологии и медицине, в том числе в онкологических исследованиях. Одновременно было разработано множество биоинформатических инструментов для оптимизации анализа экспрессии генов и её количественной оценки. Мы сравнили согласованность результатов анализа РНК-секвенирования (RNA-seq) с использованием двух наиболее распространённых программ для выравнивания прочтений — HISAT2 и STAR — и двух наиболее популярных программ для количественной оценки экспрессии генов в экспериментах NGS — edgeR и DESeq2. Для этого использовали данные RNA-seq из серии образцов, отражающих прогрессирование рака молочной железы: гистологически подтверждённых образцов нормальной ткани, ранней неоплазии, протоковой карциномы in situ и инвазивной протоковой карциномы, полученных методом микродиссекции из блоков ткани молочной железы, фиксированной формалином и залитой парафином (FFPE). Мы выявили значимые различия в работе средств выравнивания: HISAT2 был склонен ошибочно выравнивать прочтения на геномные локусы ретрогенов, тогда как STAR обеспечивал более точное выравнивание, особенно для образцов ранней неоплазии. edgeR и DESeq2 формировали сходные списки дифференциально экспрессируемых генов, однако список, полученный с помощью edgeR, был более консервативным и при этом более коротким. Анализ обогащения терминов генной онтологии (GO) не выявил смещения в составе значимых терминов, определённых среди дифференциально экспрессируемых генов при использовании edgeR и DESeq2. По мере того как транскриптомный анализ образцов FFPE становится одним из передовых направлений прецизионной медицины, выбор биоинформатических инструментов приобретает критическое значение для клинических исследований. Полученные результаты указывают, что STAR и edgeR хорошо подходят для анализа дифференциальной экспрессии генов в образцах FFPE.