zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

差异表达分析:经典方法未必逊色于流行方法

已有 1820 次阅读 2022-5-11 09:11 |个人分类:科普|系统分类:科普集锦

差异表达分析:经典方法未必逊色于流行方法

 

差异表达一般指基因在不同组别(例如实验组vs对照组)内的表达水平具有显著性差异,该分析是转录组数据的常规步骤之一。目前,针对转录组数据,差异表达分析工具有DESeq2edgeRlimma-voomNOISeqdearseqt-testWilcoxon rank-sum test等。其中,DESeq2edgeRlimma-voom是大家最常用的差异表达分析工具。

 

然而,最近一项研究发现,两种流行的差异表达分析方法(DESeq2edgeR)翻车了,因为它们出乎意料的具有高假阳性率。令人惊讶的是,经典方法Wilcoxon rank-sum test在众多比较方法之中反倒表现得最优(图1)。

image.png

image.png

image.png

1 差异表达分析方法比较

 

特别地,即使DESeq2edgeRFDR设置为5%,但是这些方法的真实FDR有时候居然大于20%。通过在多个数据集中的比较研究发现,当应用于大样本量的转录组数据时,应该优先选择Wilcoxon rank-sum test。详细分析结果可以阅读图2所示的相关文献。 

 

image.png

2 相关文献

 

后话

目前,做差异表达分析时,习惯性的选择DESeq2edgeRlimma-voom。下次做差异表达分析时,可以考虑Wilcoxon rank-sum test方法,尤其应用于较大样本的转录组数据。

 

参考文献与链接

[1] Li Y, Ge X, Peng F, Li W, Li JJ. Exaggerated false positives by popular differential expression methods when analyzing human population samples. Genome Biol. 2022;23(1):79. Published 2022 Mar 15. doi:10.1186/s13059-022-02648-4

 

以往推荐如下:

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer:文献图谱可视化

7. 卡片式笔记工具:Roam Research

8. 国外知乎:Quora

9. 生信问答平台:Biostars

10. IT问答平台:Stack Overflow

11. 预印本知多少?

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息?

14. mRNA表达无法取代蛋白质表达

15. scIB:单细胞数据融合基准框架

16. 临床医疗维修店铺

17. NAguideR:填充蛋白质组学数据缺失值

18. 怎样做好一项研究?

19. 怎样做开题报告?

20. 深度学习助力单细胞数据分析

21. Any RNA

22. 走进数据科学

23. 直抵自闭症核心

24. 癌症内RNA

25. 一对搭档:计算与生物

26. TF靶标

27. 生物组织内细胞通讯

28. 记一次主题编辑经历

29. 6个,10个,14......

30. 你健康吗?

31. 你衰老了吗?

32. scIMC:填充单细胞转录组数据缺失值

image.png

image.png 




https://wap.sciencenet.cn/blog-571917-1337987.html

上一篇:scIMC:填充单细胞转录组数据缺失值
下一篇:多组学的基本要素
收藏 IP: 39.128.54.*| 热度|

4 李宏翰 查宏光 谢钢 陆仲绩

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-10 13:42

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部