Dopo aver normalizzato i dati e stimato i parametri del modello, DESeq2 applica test statistici per identificare i geni differenzialmente espressi tra le condizioni sperimentali.

Test di Wald

Il test statistico principale utilizzato da DESeq2 è il test di Wald. Questo test verifica l’ipotesi nulla che il log2 fold change di un gene tra due condizioni sia uguale a zero. In altre parole, il test verifica se c’è una differenza significativa nell’espressione del gene tra le condizioni.

Come funziona il test di Wald:

  1. Stima del log2 fold change: DESeq2 stima il log2 fold change per ogni gene, che rappresenta la differenza di espressione tra le condizioni.
  2. Calcolo della statistica del test: DESeq2 calcola la statistica del test di Wald, che è il rapporto tra la stima del log2 fold change e il suo errore standard.
  3. Calcolo del p-value: DESeq2 calcola il p-value, che rappresenta la probabilità di osservare un log2 fold change così estremo (o più estremo) se l’ipotesi nulla fosse vera.

Correzione per test multipli

Poiché vengono testati migliaia di geni contemporaneamente, è necessario correggere i p-value per il problema dei test multipli. DESeq2 utilizza come default il metodo di Benjamini-Hochberg per controllare il False Discovery Rate (FDR).

Interpretazione dei risultati

I geni con un p-value aggiustato (padj) inferiore a una soglia di significatività (ad esempio, 0.05) sono considerati differenzialmente espressi. Il log2 fold change indica la direzione e l’entità della differenza di espressione.

Mostra il codice R
ddsf <- nbinomWaldTest(dds_stat)