biolearnexact3ejgdrxijyxl5txnesxneixmwuxr8jxkgg

差次的発現解析とは何か

この記事で学ぶこと

差次的発現解析は、条件の違いによって遺伝子発現が変わっているかを調べる解析です。

RNA-seqなどで得られた発現量を条件間で比較し、変化している可能性のある遺伝子を見つけます。発現変化の大きさと統計的な確からしさを分けて読むことが大切です。

差次的発現解析は、RNA-seqなどで得られた遺伝子発現データから、条件によって変化している候補遺伝子を見つける方法です。細胞が刺激、分化、環境変化にどう応答したかを調べる入口になります。

この解析を理解すると、Volcano plotやヒートマップを読んだときに、発現変化の大きさと統計的な信頼性を分けて考えられます。候補を見つける解析であり、最終的な機能の証明には追加の実験や文献との照合が必要です。

刺激ありの細胞と刺激なしの細胞を比べ、免疫応答に関わる遺伝子の発現が上がっているかを調べることがあります。結果として、上昇した遺伝子、低下した遺伝子、変化が小さい遺伝子に分けて考えます。

別の例として、細胞種Aと細胞種Bを比較し、それぞれに特徴的な発現パターンを探すことがあります。結果は、上位の発現変動遺伝子リストやヒートマップとしてまとめられます。

RNA-seqでは、各遺伝子に対応するリード数を数え、発現量の指標を作ります。ただし、試料ごとの総リード数や技術的な違いがあるため、比較の前に正規化が必要です。

結果には、発現変化の大きさを表す指標と、統計的な確からしさを表す指標が含まれます。log fold changeは変化の方向と大きさを示し、p値や調整済みp値は偶然では説明しにくい差かどうかを考える手がかりになります。

発現変動遺伝子は、細胞状態の変化、刺激への応答、分化の違い、疾患モデルでの変化などを考える入口になります。さらにGO解析やパスウェイ解析で、どの機能群に変化が集まるかを見ることもあります。

ただし、結果を見るときは、p値や調整済みp値だけでなく、発現変化の大きさ、実験設計、再現性、生物学的な意味も合わせて考えます。差次的発現解析は候補を見つける方法であり、最終的な解釈には追加の検証や文献知識が必要になることがあります。

差次的発現解析は、RNA-seq論文の結果でよく登場します。Volcano plot、MA plot、ヒートマップ、発現変動遺伝子リスト、GO解析やパスウェイ解析の前段階として示されることがあります。

Methodsでは、どのソフトウェア、正規化、統計モデル、多重検定補正を使ったかが重要です。Resultsでは、上位遺伝子だけでなく、カットオフやサンプル構成も確認します。

日本語	英語	略語	説明
差次的発現解析	differential expression analysis	DEA	条件間で遺伝子発現に差があるかを統計的に調べる解析。
正規化	normalization	-	サンプル間の測定量の違いを比較しやすく補正する処理。
調整済みp値	adjusted p-value	FDR	多数の遺伝子を同時に検定する影響を補正したp値。
対数変化倍率	log fold change	logFC	条件間の発現量の比を対数で表した値。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし