差异可变剪接软件哪家强()
【差异可变剪接软件哪家强()】作者: 童 蒙
编辑:amethyst
可变剪接作为转录后修饰的重要环节,对细胞的活性和疾病的发生发展都有广泛的作用。尽管目前软件很多,但是软件间的比较却比较少。作者系统地比较了10款软件,利用了一致性(consistency)、可重复性(reproducibility)、精确度(precision)、召回率(recall)和错误发现率(false discovery rate)、报道的可变剪接基因的一致性(agreement upon reported differentially spliced genes)与功能富集分析一致性等方面来评价不同的可变剪接软件。
软件主要是三大类:
- exon-base :DEXseq、edgeR、JunctionSeq、limma
- isoform-base:cuffdiff2、diffSplice2
- event-base:dSpliceType、MAJIQ、rMATS、SUPPA
- 所有exon-base的软件 要好于其他两个
- 数据集和样品数对结果的影响更大
可变剪接类型主要有五种:
SE:是高等生物中比较常见的事件,能占到40%;
A3SS:3'端选择不同的剪接位点,占18%左右;
A5SS:5‘端选择不同的剪接位点,占8%左右;
RI:内含子保留,比例大概为5%;
MXE:外显子互斥的可变剪接。
可变剪接的检测策略
isoform-base : 先构建全长转录本和定量,再来做差异分析
count-base:将基因用单个统计单元来表示,并且进行差异分析
- exon-base :利用exon来作为统计单元
- event-base :利用junction region作为统计单元
human prostate cancer:人类的前列腺癌的数据,28个样品;
human hepatocellular carcinoma :肝癌数据,100个样品;
MVS, mouse validated data,敲除小鼠的转录本,包含验证过的28个基因;
HVS, human validated data,32个验证过的基因。
二、材料方法 1、各个软件说明
isoform base
- cufflinks:首先构建overlap graphs,之后估计转录本丰度,最后检查差异基因和isoform;
- DiffSplice:基于图论的方法来进行分析,首先基于比对构建转录本,然后对不同的path来定量丰度,最终鉴定出可变剪接体。
- exon-base:将序列分配到不同的特征上,例如exon或者junction;这个只能分析已知的特征,而不能推断出新的可变剪接事件;
- isoform-base:通过计算每个事件(PSI)值中的拼接百分比来量化剪接事件,PSI表示该值测量从包含该事件特定形式的基因中表达的mRNA的分数。
4个下载的数据
文章图片
软件的详细信息
文章图片
3、评估方法
针对PCa和HCa数据集
- 一致性:使用gene层面上的结果,来评估一致性。
- precision :部分样品与全部样品的交集 比上 部分样品检测的结果
文章图片
- recall:部分样品与全部样品的交集 比上 所有样品检测的结果
文章图片
- FDR:从正常样品中抽样产生模拟的两个组进行比较,得到的基因作为FP;FDR=FP/(相同样品数下的差异数)。
- 检测率:对28和32个qPCR验证的基因进行比较;
- 不同深度:使用HVS,采样到20-100M,进行分析。评估precision和recall。
- 使用top500 genes,利用topGO进行功能分析。
检测数方面
- 在PCa和HCa中,发现不同的工具检测出来的数据变化很大:
PCa中cuffdiff为0 , edgeR为4506个;HCa中SUPPA2为0,而limma为14313个 - cuffdiff2检测结果最小;SUPPA也检测不多;
- exon-base的方法变动随着样品增加变化大;
- 在有些软件中,检测的差异数随着样品增加而增加,有些软件却减少
文章图片
precision方面
随着样品数不一样,整体变动大
exon-base的方法的precision高于其他两种
文章图片
FDR方面
使用normal样品作为两组来进行DS检测。各个软件差异蛮大,有些FDR还很大
文章图片
2、交并集比较
相关性分析:取每个工具前500个基因进行相关性分析,发现相关性很差。
文章图片
不同的软件报道的事件也有偏差。
3、qPCR结果的比较
使用真集来验证precision和recall。惨不忍睹。
文章图片
4、功能分析
作者做了功能分析,想从功能分析找补回来,看看功能是不是一样。
5、资源消耗
从不同的样品数进行了评估。
文章图片
6、测序量的作用
大概在40-50M的时候,发现量就稳定了
7、DS基因与DEG基因的关系
做了两个列表的交集,发现关系不大。
四、总结 文章亮点
- 选择了10个软件,代表不同的算法
- 使用了较大的数据样品,数据量也够,也有qPCR结果
- 没有全面的ground truth
- exon-base和两款event-base的方法表现好
- 建议多用几款软件
推荐阅读
- 1.2序列通用操作
- 工业推荐领域与学术领域研究的方向差异
- #老李谈销售千字文#20建立牢固的客户关系,给客户创造差异化的体验
- 函数式Swift6|函数式Swift6 - 不可变性的价值
- 得到践行之文(第10篇)―尊重资本量级的差异
- 原来,嵌入式BI方案的核心差异全在这,教你如何评估!
- Python中的不可变集合
- 尊重差异性
- 拉近彼此的差异
- C/C++中的可变参数函数