基因的差異表達，即發現一組在正常樣本和患病樣本中表達不同的基因。
差異基因的篩選方法
1、倍數變化（fold change）
最簡單的是閾值法，用倍數分析基因表達水平差異，即計算基因在兩個條件下表達水平的比值（癌癥和正常），確定比值的閾值，將絕對值大于此閾值的基因判斷為差異基因。
-
差異基因的上調和下調
我們一般使用
log2 （fold change）。當expr(A) < expr(B)時，B對A的fold change就大于1，log2 fold change就大于0（見下圖），B相對A就是上調；當expr(A) > expr(B)時，B對A的fold change就小于1，log2 fold change就小于0;
通常為了防止取log2時產生NA，我們會給表達值加1（或者一個極小的數），也就是log2(B+1) - log2(A+1).
image
通常選擇2~3倍作為閾值，但對于低表達的基因，3倍也是噪音，那些高表達的基因，1.1倍都是生物學顯著了。更重要的沒有考慮到組內變異，沒有統計學意義。
2、統計檢驗
最常用的T-test、ANOVA(方差分析)或者稱為F檢驗。
對于
基因芯片的數據而言，由于樣本服從正態分布，所以可以用t-test（雙處理）或anova分析（多處理以上）。
二代測序
RNA-Seq它的抽樣過程是離散的，結果是count，服從泊松分布，樣本間的差異是服從負二向分布.
- 方差分析（ANOVA)和線性回歸分析(regression)都是同一時期發展的兩套緊密相連的理論。方差分析考量的是離散型自變量(因子）對連續型應變量（響應變量）的模型分析，而線性回歸分析只要求響應變量是連續的，對于自變量無要求。如果響應變量不是連續型分布，就要使用更加一般化的廣義線性模型（generalized linear model),通過一個連接函數變換響應變量期望，將響應變量的期望與自變量建立線性關系。
T-test 檢驗是差異基因表達檢測中常用的統計方法，通過合并樣本間可變的數據，來評價差異表達，用于判斷某一基因在兩個樣本中是否有差異表達。由于芯片實驗成本較高，樣本量較少，從而對總體方差的估計不很準確，T檢驗的檢驗效能降低。
3、SAM算法
SAM算法就是通過控制FDR值糾正多重假設檢驗中的假陽性率。SAM 方法檢驗差異表達，通過對分母增加一個常量 T 檢驗過程減小了假陽性發生的概率。根據文獻記載，相比較其他算法，SAM算法更為穩定，篩選出的結果也更為準確。SAM方法以q-value< 0.05作為篩選差異表達基因的標準，從公式上來看，p-value和q-value較為相似，而差異篩選是一個典型的多重假設檢驗過程。對于多重假設檢驗，單次檢驗中差異顯著基因的假陽性率(p-value較小)可能會較大，而q-value 和 FDR值較常見的BH校正方法得到的FDR值而言，改進了其對假陽性估計的保守性。
火山圖
火山圖可反映總體基因的表達情況，橫坐標代表log2（Fold Change）,縱坐標表示-log10（P值），每個點代表一個基因，顏色用以區分基因是否差異表達，圖中橙色的點代表差異表達基因，藍色的點代表沒有差異表達的基因。
聚類圖
聚類圖可以衡量樣本或基因之間表達的相似性。 如上圖所示的聚類圖中，橫坐標代表樣本聚類，一列代表一個樣本，聚類基于樣本間基因表達的相似性，樣本間基因表達越接近，靠的越近，以此類推。 縱坐標代表基因聚類，一行代表一個基因，聚類基于基因在樣本中表達的相似性，基因在樣本中表達越接近，靠的越近，以此類推。 色階代表基因表達豐度，越紅代表上調得越明顯，越綠代表下調得越明顯。
REF：
http://www.lxweimin.com/p/b55276e46f0c
https://blog.csdn.net/u012325865/article/details/87344725
