PyDESeq2

Use esta funcionalidade para GLMs de binomial negativa em RNA-seq em massa, com reais biológicos explícitos, covariáveis e comparações. Células, sequenciamentos e medições repetidas do mesmo doador não são réplicas biológicas independentes. Pseudobulk em nível de doador pode ser apropriado quando sua agregação e design correspondem à pergunta científica; este não é um fluxo de trabalho de teste por célula única.

O PyDESeq2 0.5.4 atual fornece testes de Wald e encolhimento de coeficientes no estilo apeGLM. Não assuma que cada recurso ou resultado numérico do R DESeq2 atual é implementado identicamente. Veja API e versões testadas para chamadas suportadas, armazenamento AnnData e limites de verificação de fonte/tempo de execução.

Contrato de Análise

1. Estabeleça a unidade experimental, proveniência da contagem, exclusões de amostra, níveis de referência e comparação pretendida antes do ajuste. Use contagens inteiras não negativas na ordem amostras × genes, com IDs únicos de amostra/gene. TPM, FPKM, dados log, dados VST e contagens normalizadas de biblioteca não são entradas do modelo. Verificações de inteiros sozinhas não podem estabelecer a proveniência da contagem bruta. Importações aprovadas de contagens estimadas precisam de uma conversão upstream explícita e política de correção de offset/comprimento.
2. Exija conjuntos de amostras iguais e reordene os metadados para o índice de contagem. Resolva IDs não correspondentes e anotações de design ausentes explicitamente; nunca tome uma interseção silenciosamente. Determine a orientação a partir do esquema do arquivo, não de sua forma.
3. Aplique um pré-filtro de gene pré-especificado após exclusões intencionais de amostra. Contagens totais >=10 é uma regra de exemplo pequena, não um limite biológico universal. Mantenha genes suficientes para estimar as tendências de normalização e dispersão conjuntamente.
4. Construa um design de fórmula de rank completo com graus de liberdade residuais. Codifique explicitamente categorias/níveis de referência; variáveis numéricas são contínuas. A ordem dos termos da fórmula não decide o efeito testado quando um contraste é explícito.
5. Ajuste fatores de tamanho, dispersões por gene/tendência/MAP, LFCs e diagnósticos de Cook. Inspecione avisos, suposições de convergência e normalização antes de interpretar os resultados. Fatores de tamanho grandes podem refletir diferenças reais na profundidade da biblioteca.
6. Teste um contraste explícito com o alpha pretendido, preserve a tabela de Wald completa e, opcionalmente, encolha o mesmo único coeficiente positivo. Exporte contagens/metadados do modelo separadamente dos resultados estatísticos.

Início Rápido

Instale em um ambiente isolado; o executor de testes do repositório fornece as dependências científicas separadamente do ambiente do projeto:

uv venv --python 3.13 .venv-pydeseq2
uv pip install --python .venv-pydeseq2/bin/python 'pydeseq2==0.5.4' 'anndata==0.13.4'

Os caminhos abaixo são ilustrativos; execute a partir deste diretório de funcionalidade com seus próprios arquivos. O driver agrupado espera CSV de contagens como genes × amostras por padrão, e CSV de metadados como amostras × anotações, cada um com IDs em sua primeira coluna:

python scripts/run_deseq2_analysis.py \
  --counts counts.csv --metadata metadata.csv \
  --design '~batch + condition' --contrast condition treated control \
  --min-counts 10 --alpha 0.05 --n-cpus 1 --plots --output results/

Use --no-transpose para um arquivo de contagens já na ordem amostras × genes. O driver rejeita cabeçalhos CSV de origem duplicados, conjuntos de amostras desiguais, valores de contagem inválidos, amostras com contagem zero, anotações de contraste ausentes e designs não identificáveis. Ele define o nível de referência da variável de contraste da CLI antes do ajuste; códigos de categoria numéricos fornecidos como variável de contraste são deliberadamente tratados como categorias. Resolva os tipos e valores ausentes de outras variáveis de design nos metadados de entrada.

O driver realiza testes de Wald e encolhimento por padrão. --no-shrink exporta apenas estimativas de efeito não encolhidas; --shrink-coeff pode selecionar apenas o coeficiente que corresponde exatamente ao contraste testado. Para interações, efeitos contínuos ou matrizes de design personalizadas, use os padrões Python em vez de adivinhar um coeficiente da CLI. A CLI não expõe testes limitados ou métodos de normalização alternativos; use a API para essas escolhas.

Saídas:

• deseq2_results.csv: estimativas atuais (encolhidas, se solicitado) com stat de Wald original, pvalue e padj.
• deseq2_results_unshrunken.csv: tabela de Wald original preservada.
• significant_genes.csv e results_sorted_by_padj.csv: o alpha configurado

…