差异基因的筛选方法
统计检验得到p值
- 比方说你想研究什么基因，可以在全部都是肿瘤组织里面以某个基因分类，分成高表达和低表达的两组，两组数据进行不配对t检验或者anova方差分析
- 也可以根据肿瘤和正常样本进行分组
对于基因芯片的数据而言，样本服从正态分布，所以用t-test（双处理）或anova分析（多处理以上）。
二代测序RNA-Seq它的抽样过程是离散的，结果是count，服从泊松分布，样本间的差异是服从负二向分布。
方差分析（ANOVA)和线性回归分析(regression)都是同一时期发展的两套紧密相连的理论。方差分析考量的是离散型自变量(因子）对连续型应变量（响应变量）的模型分析，而线性回归分析只要求响应变量是连续的，对于自变量无要求。如果响应变量不是连续型分布，就要使用更加一般化的广义线性模型（generalized linear model),通过一个连接函数变换响应变量期望，将响应变量的期望与自变量建立线性关系。
倍数变化fold change
最简单的是阈值法，用倍数分析基因表达水平差异，即计算基因在两个条件下表达水平的比值（癌症和正常），确定比值的阈值，将绝对值大于此阈值的基因判断为差异基因。
- 差异基因的上调与下调
一般使用log2FC，大于0上调，小于0下调
参考：差异分析
