【摘要】 基于 RNA-Seq 计数数据的差异表达分析已成为转录组学的标准工具。

基于 RNA-Seq 计数数据的差异表达分析已成为转录组学的标准工具。几项研究表明，数据的事先标准化对于可靠检测转录差异至关重要。到目前为止，还不清楚转录组学方法是否以及如何用于宏转录组学中的差异表达分析。方法我们提出了一种元转录组学差异表达模型，该模型明确解释了不同样本中转录本分类组成的变化。作为主要结果，该模型下元转录组计数数据的正确归一化需要将数据分类分离到生物体特定的箱中。然后生物体谱的分类群特定缩放产生有效的归一化，并允许我们将缩放的谱重新组合成元转录组计数矩阵。然后可以使用统计工具分析该矩阵以获取转录组计数数据。对于特定于分类群的缩放和缩放计数的重组，我们提供了一个简单的 R 脚本。结果当将用于差异表达分析的转录组学工具直接应用于具有独立于生物体的（全局）计数标度的宏转录组数据时，产生的差异可能难以解释。这些差异可能对应于贡献生物的功能特征的变化，但也可能是由于分类丰度的变化。特定于分类群的缩放消除了这种变化，因此产生的差异实际上反映了生物体在不断变化的条件下的不同行为。在模拟研究中，我们表明全局和特定于分类单元的缩放结果之间的差异可能很大。特别是，生物体丰度的变化可能意味着与全球尺度的显着差异的显着增加。此外，在真实的元转录组数据上，来自特定分类群和全球尺度的预测可能会有很大差异。我们的研究表明，在以全局尺度进行的实际数据应用中，可能无法区分转录组变化方面的差异表达和分类学比例变化方面的差异组成。结论与转录组学一样，计数数据的正确归一化对于宏转录组学中的差异表达分析也是必不可少的。我们的模型暗示了用于数据标准化的特定于分类单元的计数缩放。因此，分类群特定缩放的应用从功能配置文件中消除了分类组成的变化，因此提供了对观察到的功能差异的清晰解释。

 

科学指南针提供各类科研测试服务，愿您总能获得想要的结果。我们收到的测试样品来自各地，种类繁多，如果我们回复不及时，还请再次联系，或直接语音电话联络，若您对我们的服务不满意，或对测试结果有疑问，请果断联系我们或直接拨打400-831-0631，我们对每个数据及结果，会负责到底！科研可能很苦，但坚持一定很苦，愿您顺利！