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。
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、Rで計算したP値やFDRは、Subio Platformに戻して可視化し、 発現パターン、サンプル間の関係、手法ごとの違いを確認しながら解釈することが重要です。
edgeR、DESeq2、t検定で有意判定される遺伝子の違いについては、 関連ケーススタディ edgeR、DESeq2、t検定で有意判定される遺伝子の特徴 No.421 で詳しく解説しています。
edgeRやDESeq2ではGene Countsを入力として受け取り、その後の正規化や統計処理が自動的に行われます。 しかし、その過程でバッチエフェクトやサンプル間の偏りが見えにくくなり、 偽陽性を生む要因に気づきにくくなることがあります。 詳しくは、関連ケーススタディ RNA-SeqのPCAでサンプルが分かれて見えるとき No.403 をご覧ください。
関連トピック
RNA-Seq発現差解析でedgeR・DESeq2・t検定を比較した事例（1）｜低分散・少サンプルのin vitroデータ