生信工具: DESeq2的原理

合集 - 生物信息(5)

1.生信：一起学生信分析 RNA-Seq下游 篇2023-08-232.生信：一起学生信分析 RNA-Seq上游 篇2023-08-233.生信：RNA-Seq 比对工具性能比较 [STAR、Tophat2、HISAT2] 2023-08-254.组装整合 salmon 定量结果2023-10-10

5.生信工具: DESeq2的原理2023-10-17

收起

DESeq2步骤

DESeq2原理

2014原理论文发布在Genome Biology。

Estimate dispersion的策略：

第一步，通过极大似然估计粗略估计出各基因的 dispersion 参数。

（若包含非常多的sample 或者 repeat 数目， 这一步基本就能得到最终结果）

第二步，对极大似然估计的结果进行拟合，得到趋势线。

第三步，对于一些远离趋势线的点，向趋势线附近调整。

接下来对上面三步实操：

使用DESeqDataSetFromMatrix获取DESeq2的对象后，如果需要一步获取则使用DESeq函数即可

deseq2.obj = DESeqDataSetFromMatrix(countData = count_df.filter, colData = sample_df, design = ~condition)
deseq2.obj

deseq2.obj = DESeq(deseq2.obj)

可以看到DESeq的输出为：

分别是这么几步：

estimating size factors 做 normalization 用的 RLE 方法

estimating dispersions 通过极大似然估计各基因的 dispersion 参数

gene-wise dispersion estimates 拟合极大似然估计得到的结果，得到趋势线

mean-dispersion relationship 对于一些远离趋势线的点，向趋势线附近调整