Gambaran Umum
Analisis ekspresi diferensial (DE) adalah inti statistik transkriptomika, menentukan gen mana yang menunjukkan perubahan ekspresi bermakna antara kondisi eksperimental. Baik membandingkan sel yang diberi perlakuan versus tidak, jaringan tumor versus normal, atau sampel deret waktu, analisis DE mengubah data hitungan mentah menjadi wawasan biologis. Tantangannya terletak pada membedakan sinyal biologis sejati dari derau teknis sambil memperhitungkan beban pengujian berganda yang melekat pada pengukuran seluruh genom. Metode DE modern menggunakan model statistik canggih yang telah diuji benchmark secara ekstensif pada data nyata dan simulasi.
Metode
Analisis DE biasanya dimulai dengan matriks hitungan bacaan per gen per sampel. Metode normalisasi (TMM, RLE, atau normalisasi kuantil) menyesuaikan ukuran perpustakaan dan bias komposisi. Alat populer meliputi DESeq2, yang memodelkan hitungan dengan distribusi binomial negatif dan menggunakan estimasi penyusutan untuk dispersi; edgeR, yang menggunakan metode empiris Bayes; dan limma-voom, yang menerapkan pemodelan linier pada hitungan yang ditransformasi log dengan bobot presisi. Untuk organisme non-model atau eksperimen tanpa genom referensi, alat seperti Sailfish atau Kallisto melakukan kuantifikasi bebas penyejajaran. Hasil dirangkum sebagai log2 lipatan perubahan dan nilai p yang disesuaikan (koreksi Benjamini-Hochberg). Analisis komponen utama (PCA) dan peta panas memberikan pandangan global tentang pola ekspresi.
Aplikasi
Analisis DE adalah pusat dari hampir setiap studi transkriptomika. Ini mengidentifikasi biomarker untuk diagnosis dan prognosis penyakit, mengungkap mekanisme aksi obat, dan mengkarakterisasi respons seluler terhadap rangsangan lingkungan. Dalam pengaturan klinis, analisis DE dari biopsi pasien dapat melakukan stratifikasi cancers for targeted therapy. Metode ini terkait erat dengan eksperimen validasi RT-PCR, yang mengonfirmasi gen kandidat, dan dibangun di atas teknik DNA microarrays and gene expression. Hasil DE juga mendukung analisis pengayaan set gen (GSEA) untuk mengidentifikasi jalur dan kategori fungsional yang terpengaruh.
