模拟异常表达和剪接数据集生成
生成已知异常表达和剪接事件的数据集，用于评估方法性能。
在GTEx和Kremer数据集中随机引入异常表达事件，概率为0.001；在Geuvadis和Kremer数据集中使用RSEM模拟异常剪接事件。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
saseR：利用偏移量解锁RNA-seq工具，实现快速可扩展的差异使用、异常剪接和表达检索
saseR: juggling offsets unlocks RNA-seq tools for fast and scalable differential usage, aberrant splicing and expression retrieval
实验完整度
中研究主要基于计算方法开发和模拟数据基准测试，并利用已发表的真实数据集进行验证，但未进行湿实验。
主要模型
Geuvadis数据集（39例健康个体淋巴母细胞系） GTEx数据集（249例死后供体腹部皮肤细胞） Kremer数据集（119例疑似线粒体疾病患者成纤维细胞系）
重点核对
模拟异常剪接时，每个基因每个患者引入异常剪接的概率为0.001 模拟异常表达时，每个基因每个样本引入异常表达的概率为0.001 使用RSEM模拟异常剪接，使用Z=3的分位数确定异常表达值 DEXSeq、edgeR-diffspliceDGE、satuRn等工具作为基准方法 使用Benjamini-Hochberg方法控制错误发现率
摘要
RNA-seq数据分析依赖于许多不同的工具，每个工具都针对特定应用而定制，并具有独特的假设和局限性。事实上，用于差异转录本使用或通过剪接和表达异常值进行罕见病诊断的工具，要么性能不足，要么丢弃信息，要么无法扩展到大型数据集。我们证明，替换归一化偏移量可以解锁批量RNA-seq工具，用于差异使用和异常剪接，为各种短读长和长读长应用提供统一框架。然后，我们介绍了saseR，一种用于优先处理表达和使用异常值的工具，其速度远快于现有最先进的方法，并且在异常剪接检测方面显著优于这些方法。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 通过替换归一化偏移量，是否能利用批量RNA-seq工具进行差异使用和异常剪接分析，并开发一种快速可扩展的工具用于异常表达和剪接检测。
- 核心机制
- 将DESeq2或edgeR等批量RNA-seq工具中用于文库大小的常规偏移量替换为基因总表达量的对数，使得均值模型参数可以直接估计转录本或外显子使用比例；对于异常剪接，使用bin计数或junction计数结合适当的偏移量；对于异常表达和剪接的异常值检测，采用基于负二项分布的计数异常值检验。
- 主要证据
- 模拟实验表明，saseR在检测模拟异常剪接事件时显著优于FRASER，在检测模拟异常表达时与OUTRIDER和OutSingle表现相当，并且速度更快；在Kremer罕见病案例研究中，saseR优先排序已知疾病相关基因的表现更优。
- 研究意义
- saseR为差异使用、异常剪接和异常表达分析提供了一个统一的工作流程，且计算效率高，可扩展到大规模数据集，有望提升RNA-seq在罕见病诊断中的应用。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
使用saseR检测异常表达
评估saseR在检测异常表达基因方面的性能，并与现有方法比较。
在GTEx和Kremer数据集的模拟异常表达上，运行saseR、OutSingle、OUTRIDER-Autoencoder和OUTRIDER-PCA，并比较性能。
使用saseR检测异常剪接
评估saseR在检测异常剪接事件方面的性能，并与现有方法比较。
在Geuvadis和Kremer数据集的模拟异常剪接上，运行saseR（基于bin、junction和ASpli junction的三种工作流）和FRASER 2.0，并比较性能。
使用saseR进行差异转录本使用分析
评估使用调整偏移量的edgeR和DESeq2在差异转录本使用检测中的性能。
在Gilis等人的基准数据集上，比较edgeR、DESeq2（使用调整偏移量）与DEXSeq、edgeR-diffspliceDGE、satuRn在差异转录本使用检测中的性能。
案例研究：Kremer数据集罕见病分析
评估saseR在实际罕见病数据中优先排序已知疾病相关基因的能力。
使用saseR、OutSingle、OUTRIDER和FRASER分析Kremer数据集，比较它们对已知疾病相关基因的优先排序。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析 | saseR | -- | -- |
| DESeq2 | -- | -- | |
| edgeR | -- | -- | |
| DEXSeq | -- | -- | |
| satuRn | -- | -- | |
| OUTRIDER | -- | -- | |
| OutSingle | -- | -- | |
| FRASER | -- | -- | |
| LeafcutterMD | -- | -- | |
| SPOT | -- | -- | |
| 数据处理 | STAR（版本2.7.10b） | -- | -- |
| RSEM（版本1.3.0） | -- | -- | |
| RNA-SeQC v1.1.8 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据预处理 | GTEx数据：仅保留腹部皮肤细胞样本，去除RNA完整性数低于5.7的样本；基因过滤条件：至少5%样本中FPKM≥1，且在25%样本中至少有1个read count。Kremer数据：基因过滤同GTEx，junction和intron-exon边界读段使用FRASER默认过滤。 阅读提示：Methods: Data |
| 模拟异常表达 | 模拟异常表达时，每个基因每个样本引入异常表达的概率为0.001；异常值使用负二项分布分位数，对应Z=3；同时模拟高表达和低表达异常。 阅读提示：Methods: Benchmarking simulations - Aberrant expression |
| 模拟异常剪接 | 模拟异常剪接时，每个基因每个患者引入异常剪接的概率为0.001；使用RSEM模拟，选择两个表达比例最高的转录本并交换其表达比例；在Kremer数据集上使用FRASER的injectOutliers函数模拟Jaccard异常，最小比例变化为20%。 阅读提示：Methods: Benchmarking simulations - Aberrant splicing |
| 差异转录本使用分析 | 使用Gilis等人的数据集；模拟DTU时在15%的基因中引入差异转录本使用；使用Benjamini-Hochberg方法控制FDR。 阅读提示：Methods: Benchmarking simulations - Differential splicing |
| 案例研究 | Kremer数据集包含119例疑似线粒体疾病的患者；评估方法对12个已知疾病相关基因的优先排序。 阅读提示：Results: Case study: Kremer dataset |