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：
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
