技术资源 · Data Analysis
数据分析
本文覆盖：数据分析流程概览 · 数据预处理 · 差异分析方法 · 功能富集分析 · 多组学整合分析。
方法学说明文档 · 内容可直接引用
本文要点
- DESeq2（负二项分布模型）
- edgeR（精确检验 / GLM）
- limma-voom（均值-方差建模）
01数据分析流程概览
- 01数据质控
- 02数据预处理
- 03差异分析
- 04功能富集
- 05多组学整合
- 06结果可视化
02数据预处理
高质量的数据预处理是获得可靠分析结果的基础
数据质控（QC）
原始数据质量评估，FASTQ 质控（FastQC）、比对率统计、duplication rate，确保数据可靠性和后续分析准确性。
数据归一化
消除批次效应和技术偏差，支持 TMM、RLE、Quantile、ComBat 等主流归一化方法，使不同样本间具有可比性。
缺失值处理
KNN、MICE 等多种插补方法，或剔除缺失率过高的特征，保证数据完整性和分析稳健性。
数据转换
log2 转换、Pareto scaling、z-score 标准化，满足不同分析模型对数据分布的要求。
03差异分析方法
针对不同组学数据类型，采用专业的差异分析策略
转录组差异分析
- DESeq2（负二项分布模型）
- edgeR（精确检验 / GLM）
- limma-voom（均值-方差建模）
蛋白质组差异分析
- limma（经验贝叶斯建模）
- MSstats（质谱数据统计）
- DEP R 包（DIA/DDA 数据）
代谢组差异分析
- t-test / ANOVA 参数检验
- PLS-DA 多变量判别分析
- VIP > 1 筛选关键代谢物
多变量统计
- PCA 无监督降维分析
- OPLS-DA 有监督分类
- 排列检验（Permutation Test）验证
04功能富集分析
深入解读差异分子的生物学功能与通路意义
| 分析方法 | 数据库/工具 | 适用场景 | 输出结果 |
|---|---|---|---|
| ORA（超几何检验） | GO、KEGG、Reactome | 差异基因/蛋白/代谢物列表 | 显著富集通路（p-value） |
| GSEA（基因集富集分析） | MSigDB、自定义基因集 | 全基因组排序数据 | NES、FDR、Leading Edge |
| 通路拓扑分析 | KEGG、MetaboAnalyst | 代谢组学数据 | 通路影响值（Impact Score） |
| 网络分析 | STRING、Cytoscape | 蛋白互作、基因共表达 | 网络拓扑参数、Hub 节点 |
05多组学整合分析
跨组学数据联合分析，挖掘更深层次的生物学机制
相关性整合
Pearson/Spearman 跨组学相关性分析，构建基因-蛋白-代谢物关联网络，揭示多层级调控关系。
多组学降维
MOFA（Multi-Omics Factor Analysis）、mixOmics DIABLO、sPLS-DA，整合多组学数据进行降维和分类。
机器学习整合
随机森林、XGBoost 特征选择，构建多组学预测模型，实现生物标志物发现与表型预测。
Q&A常见问题
差异分析到底该用 DESeq2 还是 limma？
转录组差异分析给了三种选择：DESeq2（负二项分布模型）、edgeR（精确检验 / GLM）和 limma-voom（均值-方差建模）。
蛋白组和代谢组的差异分析能套同一套方法吗？
不能照搬。蛋白组用 limma（经验贝叶斯建模）、MSstats、DEP R 包；代谢组用 t-test / ANOVA 和 PLS-DA，再按 VIP > 1 筛关键代谢物。
富集分析跑完，结果里主要看哪些指标？
ORA 输出显著富集通路（p-value），GSEA 输出 NES、FDR 和 Leading Edge，代谢组的通路拓扑分析则输出通路影响值（Impact Score）。
样本分几批做的，归一化能处理批次效应吗？
数据归一化就是用来消除批次效应和技术偏差的，支持 TMM、RLE、Quantile、ComBat 等主流方法，让不同样本间可比。
转录组、蛋白组、代谢组的数据怎么整合到一起？
Pearson/Spearman 相关性分析可构建基因-蛋白-代谢物关联网络；降维分类用 MOFA、mixOmics DIABLO、sPLS-DA；预测模型用随机森林、XGBoost 做特征选择。
