PyDESeq2

from pydeseq2.default_inference import DefaultInference
from pydeseq2.dds import DeseqDataSet
from pydeseq2.ds import DeseqStats
  

• on construit un objet DeseqDataSet avec les data, metadata et en indiquant le facteur qui détermine les groupes :

  inference = DefaultInference(n_cpus = 8)
  dds = DeseqDataSet(counts = dfCounts, metadata = dfMetadata, design = '~day',
    refit_cooks = True, inference = inference, quiet = True)
      

  dfCounts doit être de type sample x gènes et dfMetadata doit être de type sample x attribut, dont ici l'attribut day.
• dds.deseq2() : fait différents fittings.
• ds = DeseqStats(dds, contrast = ['day', 'D1', 'D2'], alpha = 0.05, inference = inference, quiet = True) : définit les données et le facteur pour grouper, la valeur testée et la valeur de réference pour ce facteur.
• ds.summary() : fait les calculs.
• le résultat est dans le dataframe ds.result_df avec notamment les champs log2FoldChange, pvalue, padj

• cette classe dérive de AnnData.
• en fait, pour construire un DeseqDataSet, on peut donner simplement un objet AnnData qui a ses groupes dans le dataframe .obs, plutôt que un dataframe de counts et un dataframe de metadata.