参考:
关于基因差异化的那些事 edger Deseq2和limma的使用及一些总结_forever luckness 的博客-CSDN博客_deseq2和limma
补:芯片和高通量测序(HTS)
基因芯片的差异表达分析而言,由于普遍认为其数据是服从正态分布,因此差异表达分析无非就是用t检验和或者方差分析应用到每一个基因上。目前在基因芯片的分析用的最多的就是limma。
高通量一次性找的基因多,于是就需要对多重试验进行矫正,控制假阳性。高通量测序(HTS)的read count普遍认为是服从泊松分布(当然有其他不同意见),不可能直接用正态分布的t检验和方差分析。
一、输入数据上的差异
edgeR和DEseq2这两个软件要求输入的文件中所有数值必须要是整数;
limma包做差异分析要求数据满足正态分布或近似正态分布,如基因芯片、TPM格式的高通量测序数据;
高通量测序得到的count数据不符合正态分布而服从泊松分布,对于count数据来说,用limma包做差异分析,误差较大;
目前DESeq2可以处理符合泊松分布的数据,是分析高通量测序的主流;
对比情况总结如下: