Aperçu
L’analyse de l’expression différentielle (DE) constitue le noyau statistique de la transcriptomique, déterminant quels gènes présentent des changements d’expression significatifs entre les conditions expérimentales. Qu’il s’agisse de comparer des cellules traitées à des cellules non traitées, une tumeur à un tissu normal ou des échantillons temporels, l’analyse DE transforme les données brutes de comptage en informations biologiques. Le défi consiste à distinguer les véritables signaux biologiques du bruit technique tout en tenant compte de la charge de tests multiples inhérente aux mesures à l’échelle du génome. Les méthodes DE modernes utilisent des modèles statistiques sophistiqués qui ont été largement comparés sur des ensembles de données réels et simulés.
Méthodes
L’analyse DE commence généralement par une matrice de comptage de lectures par gène et par échantillon. Les méthodes de normalisation (TMM, RLE ou normalisation quantile) s’ajustent à la taille de la bibliothèque et aux biais de composition. Les outils populaires incluent DESeq2, qui modélise les décomptes avec une distribution binomiale négative et utilise l’estimation du retrait pour la dispersion ; edgeR, qui utilise des méthodes empiriques de Bayes ; et limma-voom, qui applique une modélisation linéaire aux décomptes transformés en log transformés avec des poids de précision. Pour les organismes non modèles ou les expériences sans génome de référence, des outils comme Sailfish ou Kallisto effectuent une quantification sans alignement. Les résultats sont résumés sous forme de changements de facteur log2 et de valeurs p ajustées (correction de Benjamin-Hochberg). L’analyse en composantes principales (ACP) et les cartes thermiques fournissent des vues globales des modèles d’expression.
### Candidatures
L’analyse DE est au cœur de pratiquement toutes les études transcriptomiques. Il identifie des biomarqueurs pour le diagnostic et le pronostic des maladies, révèle les mécanismes d’action des médicaments et caractérise les réponses cellulaires aux stimuli environnementaux. En milieu clinique, l’analyse DE des biopsies de patients peut stratifier les cancers pour une thérapie ciblée. La méthode est étroitement liée aux expériences de validation RT-PCR, qui confirment les gènes candidats, et s’appuie sur les techniques puces à ADN et expression génique. Les résultats de DE alimentent également l’analyse d’enrichissement des ensembles de gènes (GSEA) pour identifier les voies affectées et les catégories fonctionnelles.
Protocole pratique
Une analyse DE standard dans R commence par lire la matrice de comptage et les métadonnées de l’échantillon dans un objet DESeqDataSet : dds <- DESeqDataSetFromMatrix(countData = counts, colData = metadata, design = ~ condition). La formule de conception spécifie le modèle expérimental ; une simple comparaison à deux groupes utilise « ~ condition », tandis que les conceptions appariées ou corrigées par lots utilisent « ~ lot + condition » ou « ~ patient + condition ». Exécutez le pipeline DE complet avec dds <- DESeq(dds), qui effectue la normalisation, l’estimation de la dispersion et les tests Wald. Extrayez les résultats avec results(dds, contrast = c("condition", "treatment", "control")), qui renvoie un tableau avec des colonnes pour baseMean, log2FoldChange, lfcSE, stat, pvalue et padj. La colonne « padj » contient les valeurs p ajustées de Benjamini-Hochberg représentant plusieurs tests sur des milliers de gènes. Un flux de travail alternatif avec edgeR utilise DGEList, calcNormFactors, estimateDisp et exactTest ou glmFit/glmLRT pour les conceptions complexes. Interprétez les changements de facteur log2 : une valeur de 1 signifie une augmentation de 2 fois de la condition traitée, tandis que -1 signifie une diminution de 2 fois. La réduction des changements de pli log2 avec lfcShrink(dds, coef = 2, type = "apeglm") améliore le classement et supprime le bruit des gènes faiblement exprimés. Filtrez les résultats en utilisant des seuils tels que padj < 0.05 et |log2FoldChange| > 1. Visualisez avec « plotMA » pour le tracé moyen-moyen, « plotPCA » sur les données stabilisées par variance pour le regroupement d’échantillons et « pheatmap » pour les 50 gènes les plus significatifs. Le package « EnhancedVolcano » produit des tracés de volcan prêts à être publiés mettant en évidence des gènes considérablement régulés à la hausse et à la baisse.
