Une évaluation des méthodes d'analyse différentielle par RNA-seq

Le RNA-seq est une technologie de séquençage à haut débit largement utilisée pour la découverte et la quantification des transcrits géniques dans différentes conditions biologiques ou biomédicales. Une question de recherche fondamentale dans la plupart des expériences de RNA-seq est l'identification des gènes exprimés de manière différentielle parmi les conditions expérimentales ou les groupes d'échantillons. De nombreuses méthodes statistiques pour l'analyse différentielle par RNA-seq ont été proposées depuis l'émergence du test RNA-seq. Pour évaluer les méthodes d'analyse différentielle populaires utilisées dans les packages R et Bioconductor open source, nous avons réalisé plusieurs études de simulation pour comparer les performances de huit méthodes d'analyse différentielle par RNA-seq utilisées dans l'analyse des données RNA-seq (edgeR, DESeq, DESeq2, baySeq, EBSeq, NOISeq, SAMSeq, Voom). Les comparaisons ont été effectuées dans différents scénarios avec des tailles de bibliothèque égales ou inégales, différentes hypothèses de distribution et tailles d'échantillons. Nous avons mesuré la performance en utilisant le contrôle du taux de fausses découvertes (FDR), la puissance et la stabilité. Aucune différence significative n'a été observée pour le contrôle du FDR, la puissance ou la stabilité entre les méthodes, que les tailles de bibliothèque soient égales ou inégales. Pour les données de comptage RNA-seq avec une distribution binomiale négative, lorsque la taille de l'échantillon est de 3 dans chaque groupe, EBSeq a mieux performé que les autres méthodes comme indiqué par le contrôle du FDR, la puissance et la stabilité. Lorsque les tailles d'échantillon augmentent à 6 ou 12 dans chaque groupe, DESeq2 a légèrement mieux performé que les autres méthodes. Toutes les méthodes ont montré une performance améliorée lorsque la taille de l'échantillon augmente à 12 dans chaque groupe, sauf DESeq. Pour les données de comptage RNA-seq avec une distribution log-normale, les méthodes DESeq et DESeq2 ont mieux performé que les autres méthodes en termes de contrôle du FDR, de puissance et de stabilité à toutes les tailles d'échantillon. Des données expérimentales réelles de RNA-seq ont également été utilisées pour comparer le nombre total de découvertes et la stabilité des découvertes pour chaque méthode. Pour l'analyse des données RNA-seq, la méthode EBSeq est recommandée pour les études avec des tailles d'échantillon aussi petites que 3 dans chaque groupe, et la méthode DESeq2 est recommandée pour une taille d'échantillon de 6 ou plus dans chaque groupe lorsque les données suivent la distribution binomiale négative. Les méthodes DESeq et DESeq2 sont recommandées lorsque les données suivent la distribution log-normale.