pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
How to use
Przygotuj dane wejściowe: załaduj plik CSV z liczbami odczytów genów (wiersze to geny, kolumny to próbki) oraz plik metadanych zawierający informacje o warunkach eksperymentalnych dla każdej próbki.
Filtruj geny o niskiej liczbie odczytów, aby usunąć szum. Zatrzymaj tylko geny, które mają co najmniej 10 odczytów łącznie we wszystkich próbkach.
Zainicjalizuj obiekt DeseqDataSet, przekazując macierz liczb, metadane i formułę projektową (np. ~condition dla porównania dwóch warunków). Uruchom metodę deseq2() aby dopasować model statystyczny.
Wykonaj testy statystyczne za pomocą DeseqStats, określając kontrast — które grupy chcesz porównać (np. "treated" vs "control"). Metoda summary() wyświetli podsumowanie wyników.
Wyodrębnij wyniki jako tabelę DataFrame i filtruj geny istotne statystycznie, zazwyczaj używając progu skorygowanej wartości p (padj < 0,05). Liczba znalezionych genów różnicowo wyrażonych wskaże siłę efektu eksperymentu.