差异表达分析

差异表达分析的核心目标是区分由生物学变异引起的真实表达变化与由技术噪声和随机抽样误差造成的虚假变化。关键概念包括：

• 表达量：通常以计数值（RNA-Seq）或荧光强度值（微阵列）衡量。
• 倍数变化（Fold change, FC）：一个基因在不同条件间表达水平的比值，衡量变化幅度。
• 显著性（Statistical significance）：衡量观察到的表达差异由随机误差导致的可能性，通常用p值或错误发现率（False discovery rate, FDR）表示。
• 差异表达基因标准：通常需同时满足显著性阈值（如调整后p值 < 0.05）和倍数变化阈值（如 |FC| > 2）。

差异表达分析遵循一个标准化的数据处理与统计推断流程： ADSFAEQWER353423413434

1. 输入数据：一个表达矩阵，行代表基因，列代表样本，数值为原始表达测量值（如RNA-Seq的原始读数计数）。
2. 数据预处理与标准化：
   • RNA-Seq数据：关键步骤是进行计数标准化，以消除测序深度（Sequencing depth）和基因长度等系统性偏差。常用方法有DESeq2的“中位数比值法”、edgeR的“TMM”（修剪的M值均值）。
   • 微阵列数据：通常进行背景校正、分位数标准化等。
3. 统计建模与假设检验：
   • 为每个基因构建一个统计模型，评估其在不同条件间的表达差异。
   • 零假设（H₀）：基因在两组（或多组）间的表达水平无差异。
   • 常用统计分布：对于计数数据，通常采用负二项分布（Negative binomial distribution）来建模RNA-Seq数据的离散性和过度分散特性。
4. 多重检验校正：
   • 由于同时对成千上万个基因进行检验，会导致多重比较问题，大幅增加假阳性。必须对原始p值进行校正。
   • 常用校正方法：本杰明-霍克伯格法（Benjamini-Hochberg procedure），用于控制错误发现率（False discovery rate, FDR），其输出为q值或调整后p值。
5. 结果输出与筛选：生成包含每个基因的原始表达量、平均表达水平、倍数变化、p值和调整后p值的结果列表。研究者根据设定的阈值（如FDR < 0.05 且 |log₂FC| > 1）筛选出最终的差异表达基因列表。

表1：主流差异表达分析工具比较

1. 生物学重复：至关重要。重复样本能估计组内生物学变异，是进行可靠统计检验的基础。技术重复不能替代生物学重复。
2. 批次效应：实验过程中非生物因素（如不同日期、操作员、试剂批次）引入的系统性偏差，必须在实验设计或数据分析阶段（如使用ComBat、limma的removeBatchEffect）进行校正。
3. 异方差性：基因的表达方差常与其表达水平相关（高表达基因方差通常更大），统计模型需对此进行专门处理（如负二项分布）。
4. 零计数与低表达基因：RNA-Seq数据中零计数较多，可能源于真实不表达或技术性丢失。需谨慎过滤或使用能处理零膨胀的模型。

获得差异表达基因列表后，通常会进行以下分析：

ADFASDFAF23RQ23R

1. 功能富集分析：通过GO、KEGG等数据库，揭示DEGs显著富集的生物学过程、分子功能和通路。
2. 聚类分析与可视化：利用热图、火山图（同时展示统计显著性和变化幅度）展示结果。
3. 蛋白质-蛋白质相互作用网络分析：将DEGs映射到相互作用网络中，识别关键枢纽基因或模块。
4. 整合多组学数据：与DNA甲基化、染色质可及性等数据整合，探索表达差异的调控机制。

• Love, M. I., Huber, W., & Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology, 15(12), 550.
• Robinson, M. D., McCarthy, D. J., & Smyth, G. K. (2010). edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics, 26(1), 139-140.
• Law, C. W., Chen, Y., Shi, W., & Smyth, G. K. (2014). voom: Precision weights unlock linear model analysis tools for RNA-seq read counts. Genome Biology, 15(2), R29.
• Benjamini, Y., & Hochberg, Y. (1995). Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300.
• Conesa, A., et al. (2016). A survey of best practices for RNA-seq data analysis. Genome Biology, 17, 13.
• Anders, S., & Huber, W. (2010). Differential expression analysis for sequence count data. Genome Biology, 11(10), R106.
• Trapnell, C., et al. (2012). Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks. Nature Protocols, 7(3), 562-578.
• Wang, Z., Gerstein, M., & Snyder, M. (2009). RNA-Seq: a revolutionary tool for transcriptomics. Nature Reviews Genetics, 10(1), 57-63.
• Chen, Y., Lun, A. T. L., & Smyth, G. K. (2016). From reads to genes to pathways: differential expression analysis of RNA-Seq experiments using Rsubread and the edgeR quasi-likelihood pipeline. F1000Research, 5, 1438.