Visão geral
A análise de expressão diferencial (DE) é o núcleo estatístico da transcriptômica, determinando quais genes apresentam mudanças de expressão significativas entre as condições experimentais. Seja comparando células tratadas versus não tratadas, tumor versus tecido normal ou amostras de tempo, a análise DE transforma dados brutos de contagem em informações biológicas. O desafio reside em distinguir os verdadeiros sinais biológicos do ruído técnico, tendo em conta a carga múltipla de testes inerente às medições de todo o genoma. Os métodos modernos de DE usam modelos estatísticos sofisticados que foram extensivamente comparados em conjuntos de dados reais e simulados.
Métodos
A análise DE normalmente começa com uma matriz de contagem de leituras por gene por amostra. Os métodos de normalização (TMM, RLE ou normalização quantílica) ajustam-se ao tamanho da biblioteca e às tendências de composição. Ferramentas populares incluem DESeq2, que modela conta com uma distribuição binomial negativa e usa estimativa de encolhimento para dispersão; edgeR, que utiliza métodos empíricos de Bayes; e limma-voom, que aplica modelagem linear a contagens transformadas em logaritmo transformadas com pesos de precisão. Para organismos não-modelo ou experimentos sem [um genoma de referência, ferramentas como Sailfish ou Kallisto realizam quantificação sem alinhamento. Os resultados são resumidos como alterações log2 e valores de p ajustados (correção de Benjamin-Hochberg). A análise de componentes principais (PCA) e os mapas de calor fornecem visualizações globais de padrões de expressão.
Aplicativos
A análise DE é central para praticamente todos os estudos de transcriptômica. Identifica biomarcadores para diagnóstico e prognóstico de doenças, revela mecanismos de ação de medicamentos e caracteriza respostas celulares a estímulos ambientais. Em ambientes clínicos, a análise DE de biópsias de pacientes pode estratificar cânceres para terapia direcionada. O método está intimamente relacionado aos experimentos de validação de RT-PCR, que confirmam genes candidatos, e se baseia em técnicas de microarranjos de DNA e expressão gênica. Os resultados de DE também potencializam a análise de enriquecimento de conjunto de genes (GSEA) para identificar vias afetadas e categorias funcionais.
Protocolo Prático
Uma análise DE padrão em R começa lendo a matriz de contagem e os metadados de amostra em um objeto DESeqDataSet: dds <- DESeqDataSetFromMatrix(countData = counts, colData = metadata, design = ~ condition). A fórmula de projeto especifica o modelo experimental; uma comparação simples de dois grupos usa ~ condição, enquanto projetos pareados ou corrigidos em lote usam ~ lote + condição ou ~ paciente + condição. Execute o pipeline DE completo com dds <- DESeq(dds), que realiza normalização, estimativa de dispersão e testes de Wald. Extraia os resultados com results(dds, contrast = c("condition", "treatment", "control")), que retorna uma tabela com colunas para baseMean, log2FoldChange, lfcSE, stat, pvalue e padj. A coluna padj contém valores p ajustados de Benjamini-Hochberg, responsáveis por múltiplos testes em milhares de genes. Um fluxo de trabalho alternativo com edgeR usa DGEList, calcNormFactors, estimateDisp e exactTest ou glmFit/glmLRT para projetos complexos. Interpretar alterações log2 vezes: um valor de 1 significa um aumento de 2 vezes na condição tratada, enquanto -1 significa uma diminuição de 2 vezes. A redução das alterações log2 vezes com lfcShrink (dds, coef = 2, type = "apeglm") melhora a classificação e remove o ruído de genes pouco expressos. Filtre os resultados usando limites como padj < 0.05 e |log2FoldChange| > 1. Visualize com plotMA para o gráfico médio-médio, plotPCA em dados estabilizados por variância para agrupamento de amostras e pheatmap nos 50 genes mais significativos. O pacote EnhancedVolcano produz gráficos de vulcões prontos para publicação, destacando genes significativamente regulados positivamente e negativamente.
