RNA-seq 详细教程:实验设计(2)
学习目标
- 了解设置重复对于
RNA-seq
分析的重要性 - 了解生物重复次数、测序深度和鉴定到的差异表达基因之间的关系
- 了解如何设计
RNA-seq
实验,以避免批次效应
1. 注意事项
了解 RNA
提取和 RNA-seq
文库制备实验过程中的步骤,有助于设计 RNA-seq
实验,但有一些特殊的注意事项需要明确:
- 重复次数和类型
- 避免混淆
- 处理批次效应
2. 重复
实验重复可以通过技术重复或生物学重复来实现,如下图:
- 技术重复
使用相同的生物样本重复实验步骤,以准确测量技术差异并在分析过程中将其去除。
- 生物学重复
使用相同条件下的不同生物样本来衡量样本间的差异。
在微阵列时代,技术重复被认为是必要的;然而,当前的 RNA-seq
技术,技术差异远低于生物差异,因此不需要技术重复。相反,生物重复对于差异表达分析是绝对必要的。
对于差异表达分析,生物学重复越多,对生物学变异的估计就越好,我们对平均表达水平的估计也就越精确。因此,数据可以进行更准确的建模并识别更多差异表达的基因。
如上图所示,生物重复比测序深度更重要,测序深度是每个样本测序的读数总数。该图显示了测序深度和重复次数对鉴定出的差异表达基因数的关系。与增加测序深度相比,重复次数的增加往往会得到更多的差异表达基因。因此,通常更多的重复比更高的测序深度更好,但需要注意的是,检测低表达的差异表达基因和执行异构体水平(可变剪切)的差异表达分析需要更高的深度。
下面列出了一些关于重复和测序深度的建议,用于实验规划:
-
通用建议:
- ENCODE 建议每个样本有 3000 万个 SE
reads
。 - 如果有大量的重复 (>3),每个样本 1500 万次
reads
通常就足够了。 - 如果可能,进行更多的生物重复。
- 通常建议读取长度 >= 50 bp
- ENCODE 建议每个样本有 3000 万个 SE
-
含有低表达基因:
- 同样,重复比测序深度更有作用。
- 深度更深,至少有 30-60 百万
reads
,具体取决于表达水平。
-
异构体水平的差异表达:
- 新亚型的深度应该更大(每个样本 > 6000 万
reads
)。 - 对
RNA
质量进行质控。
- 新亚型的深度应该更大(每个样本 > 6000 万
-
其他类型的
RNA
分析(内含子保留、small RNA-Seq
等):- 取绝于具体的分析
总之,尽量做生物学重复。
3. Confound
Confounding
是指:无法区分结果是由什么原因导致的。
例如,我们知道性别对基因表达有很大影响,如果我们所有的对照组小鼠都是雌性而所有处理组小鼠都是雄性,那么我们的治疗效果就会被性别混淆。我们无法区分是处理的作用和性别的作用。
- 如何避免:
- 如果可能,确保每种情况下的动物都是相同的性别、年龄和批次。
- 如果不可能,则确保在不同条件下平均分配动物。
4. 批次效应
批次效应是 RNA-seq
分析的一个重要问题,仅由批次效应就能导致显著的表达差异。
- 如何确定是否有批次效应
- 是否所有的
RNA
提取都是在同一天进行的? - 是否所有的文库构建都是在同一天进行的?
- 是否同一个人对所有样品进行了
RNA
提取与文库制备? - 是否对所有样品使用了相同的试剂?
- 是否在同一地点进行
RNA
提取与文库制备?
如果任何一个答案是“否”,那么就存在批次效应。
5. 建议
- 如果可能,以避免分批的方式设计实验。
- 如果无法避免分批:
- 不要按批次混淆实验:
- 跨批次拆分不同样本组的重复。重复次数越多越好(超过 2 个)。
- 请务必在实验数据中包含批次信息。在分析过程中,如果没有混淆,可以回归出由于批次引起的变异,所以有这些信息,它不会影响结果。
aliyuncs.com/typora_imgs/image-20221123210415005.png)
- 请务必在实验数据中包含批次信息。在分析过程中,如果没有混淆,可以回归出由于批次引起的变异,所以有这些信息,它不会影响结果。