Abstract RNA-seq is a high-throughput sequencing technology widely used for gene transcript discovery and quantification under different biological or biomedical conditions. A fundamental research question in most RNA-seq experiments is the identification of differentially expressed genes among experimental conditions or sample groups. Numerous statistical methods for RNA-seq differential analysis have been proposed since the emergence of the RNA-seq assay. To evaluate popular differential analysis methods used in the open source R and Bioconductor packages, we conducted multiple simulation studies to compare the performance of eight RNA-seq differential analysis methods used in RNA-seq data analysis (edgeR, DESeq, DESeq2, baySeq, EBSeq, NOISeq, SAMSeq, Voom). The comparisons were across different scenarios with either equal or unequal library sizes, different distribution assumptions and sample sizes. We measured performance using false discovery rate (FDR) control, power, and stability. No significant differences were observed for FDR control, power, or stability across methods, whether with equal or unequal library sizes. For RNA-seq count data with negative binomial distribution, when sample size is 3 in each group, EBSeq performed better than the other methods as indicated by FDR control, power, and stability. When sample sizes increase to 6 or 12 in each group, DESeq2 performed slightly better than other methods. All methods have improved performance when sample size increases to 12 in each group except DESeq. For RNA-seq count data with log-normal distribution, both DESeq and DESeq2 methods performed better than other methods in terms of FDR control, power, and stability across all sample sizes. Real RNA-seq experimental data were also used to compare the total number of discoveries and stability of discoveries for each method. For RNA-seq data analysis, the EBSeq method is recommended for studies with sample size as small as 3 in each group, and the DESeq2 method is recommended for sample size of 6 or higher in each group when the data follow the negative binomial distribution. Both DESeq and DESeq2 methods are recommended when the data follow the log-normal distribution.

Stomatal guard cells are formed through a sequence of asymmetric and symmetric divisions in the epidermis of the sporophyte of most land plants. We show that several D-type cyclins are consecutively activated in the stomatal linage in the epidermis of Arabidopsis thaliana. Whereas CYCD2;1 and CYCD3;2 are activated in the meristemoids early in the lineage, CYCD7;1 is activated before the final division. CYCD7;1 expression peaks in the guard mother cell, where its transcription is modulated by the FOUR-LIPS/MYB88 transcription factor. FOUR-LIPS/MYB88 interacts with the CYCD7;1 promoter and represses CYCD7;1 transcription. CYCD7;1 stimulates the final symmetric division in the stomatal lineage, since guard cell formation is delayed in the cycd7;1 mutant epidermis and guard mother cell (GMC) divisions in four-lips mutant guard mother cells are limited by loss of function of CYCD7;1. Hence, the precise activation of a specific D-type cyclin, CYCD7;1, is required for correct timing of the last symmetric division that creates the stomatal guards cells, and CYCD7;1 expression is regulated by the FLP/MYB pathway that ensures cell cycle arrest in the stomatal guard cells.