Comparación de métodos de cálculo de expresión génica basados en RNA-seq

Abstract

Debido al auge de la tecnología RNA-seq, múltiples programas de análisis de expresión genética se encuentran disponibles. En el grupo de investigación donde se ha realizado este proyecto, el software usado para analizar datos de RNA-seq es STAR y RSEM. Dado que RSEM necesita un paso previo ejecutado por STAR, es interesante comparar su rendimiento con el de programas que no lo necesitan como Kallisto, Sailfish y Salmon. Por tanto, se han analizado 17 muestras paired-end procedentes de controles sanos de un estudio anterior. Los resultados obtenidos muestran que RSEM es el programa que más tiempo emplea en generar los resultados debido a su dependencia del mapeado de STAR y que, a pesar de tener un porcentaje superior de observaciones mapeadas, sus estimaciones de expresión son muy parecidas a las generadas por Kallisto, Sailfish y Salmon, sobre todo a nivel de gen y no de transcritos. Estos 3 últimos programas, debido a la similitud en su funcionamiento, muestran unas estimaciones muy parecidas. En un futuro sería recomendable profundizar en esta comparación realizando un análisis paralelo con datos single-end y observando las diferencias en el reconocimiento de ARNs pequeños por cada método.

Due to the rise of the RNA-seq technology, multiple software related to expression analysis is available. In the group of investigation where this project has been elaborated, RSEM and STAR are the programs used to quantify the expression of isoforms and genes. RSEM needs a prior step by STAR so it would be of interest to make a comparison between the performance of this program and Kallisto, Sailfish and Salmon which do not need a prior step. Therefore, 17 paired-end samples from a prior project have been analysed. The results show that RSEM is the program that spends more time in performing the analysis owing to its dependency of the STAR step and in spite of a bigger percentage of mapped reads, the expression estimates are very similar to those generated by Kallisto, Sailfish and Salmon. Besides, the results are more similar in terms of gen instead of transcripts. These last 3 programs, which are very similar in their running, show very similar estimates. In the future, it would be recommendable to go in depth in this comparison performing the same analysis with single-end samples and looking at the differences in the recognition of small RNAs by each method.

A causa de l'auge de la tecnologia RNA-seq, múltiples programes d'anàlisi d'expressió genètica es troben disponibles. En el grup de recerca on s'ha realitzat aquest projecte, el programari usat per analitzar dades de RNA-seq és STAR i RSEM. Atès que RSEM necessita un pas previ executat per STAR, és interessant comparar el seu rendiment amb el de programes que no ho necessiten com Kallisto, Sailfish i Salmon. Per tant, s'han analitzat 17 mostres Paired-end procedents de controls sans d'un estudi anterior. Els resultats obtinguts mostren que RSEM és el programa que més temps empra en generar els resultats a causa de la seva dependència del mapejat de STAR i que, tot i tenir un percentatge superior d'observacions mapejades, les seves estimacions d'expressió són molt semblants a les generades per Kallisto, Sailfish i Salmon, sobretot a nivell de gen i no de transcrits. Aquests 3 últims programes, a causa de la similitud en el seu funcionament, mostren unes estimacions molt semblants. En un futur seria recomanable aprofundir en aquesta comparació realitzant una anàlisi paral·lela amb dades single-end i observant les diferències en el reconeixement de ARNs petits per cada mètode.