この動画では、ChatGPTを使ってRスクリプトを生成し、edgeRとDESeq2によるP値計算を行う方法を解説します。この方法は、他のRライブラリーやBioconductorツールにも応用できます。
複雑なコードを自分で書く代わりに、解析内容をテキストで定義し、ChatGPTにスクリプトを生成させてRで実行します。エラーが発生した場合も、ChatGPTを使って原因の特定や修正が可能です。
本動画では、以下の流れを実演します。
- Subio PlatformからGene Countsデータを出力
- 解析用のデータシートを整形
- ChatGPTでRスクリプトを生成
- edgeRとDESeq2によるP値計算
- エラーの修正
- 結果をSubio Platformにインポート
- P値の可視化と比較
このアプローチにより、コーディングではなく「データの解釈」に集中できるようになります。
本動画におけるedgeRおよびDESeq2の解析について
本動画では、ChatGPTに対してedgeRおよびDESeq2の標準的な解析ワークフローに従ったRスクリプトの生成を指示しています。ただし、サンプル数が少ないデータ（各群 N=2）を用いた手法比較を目的としているため、DEGの抽出には多重検定補正後のFDRではなく、P値およびFold Changeによる判定基準を使用しています。
edgeRやDESeq2を使えば十分なのか？
DESeq2やedgeRは、RNA-Seqの発現変動解析で広く使われている重要な手法です。 一方で、どの統計手法を使っても、データの偏り、バッチエフェクト、サンプル間のばらつきが 自動的に解決されるわけではありません。そのため、パイプラインで自動実行するよりも、Subio Platformを使ってデータを可視化しながら解析を進めることをお勧めします。
edgeR、DESeq2、t検定の特徴と有意判定される遺伝子の違いについては、「原理とデータタイプ別の実践ルール」で詳しく解説しています。特に、この動画で扱っている実験データのタイプは、「ケース１：低分散・少サンプルのin vitroデータ」で詳しく解説しています。
関連トピック
RNA-Seq発現差解析におけるedgeR・DESeq2・t検定の使い分け｜原理とデータタイプ別の実践ルール
RNA-SeqではT検定はダメなのか？｜DESeq2・edgeRと統計モデルを過信しない考え方
RNA-Seqデータ解析の新しいスタイル｜R/Pythonで解析 × Subioで可視化・データ管理
AIと相談しながらRNA-Seq deconvolution解析を実行する - ツール選定、Rスクリプト、結果の解釈まで
解析を始める前に
この動画を試すには、まずサンプルデータ（SSAファイル）とSubio Platformをダウンロードしてください。
- SSAファイル： GSE49110.ssa
- Subio Platform： ダウンロードページ
SSAファイルをダウンロードし、Subio Platformをインストールしたら、まずはこちらの90秒動画をご覧ください。