【原】为什么同一个文章使用两个不同转录组测序差异分析方法？

转录组测序后的表达量矩阵的差异分析大家应该是都比较熟悉了，一般来说大家都会在DESeq2和edgeR或者limma的voom算法里面三选一，但是最近看到同一个文章使用两个不同转录组测序差异分析方法，还是蛮奇怪的操作。

是发表于2017的文章：《Transcriptome sequencing identifies ANLN as a promising prognostic biomarker in bladder urothelial carcinoma》

第一个方法是 NOISeq

这个NOISeq方法的文章在：https://genome./content/21/12/2213 ，但是引用率到现在也很低，差异分析后的上下调基因阈值就很奇怪，如下所示：

• (A) Hierarchical clustering heat map of expression profiles for genes with log2-fold change >1 and probability of >0.6 (1516 genes).

出图如下：

差异分析

粗看起来，热图显示的上下调基因就有点奇怪，这个分析也很诡异。但是这个分析结果说明了ANLN基因在癌症里面是异常的高表达，所以后续就需要干扰这个ANLN，主要是敲低它。

第二次是未知算法

主要是因为阈值修改了， cutoff of log2-fold change >1 and p < 0.001,

得到了：34 significantly up-regulated and 57 down-regulated genes in ANLN group compared with corresponding control group were selected for GO analysis and pathway analysis (Fig. 6A).

出图如下所示：

ANLN的差异

图仍然是很丑，我也不想评价什么了，毕竟这个文章发表的杂志就有点质量差，也算是“臭味相投”。

转录组测序后的表达量矩阵的差异分析方法确实很多

简单的搜索了一下，有一个2019的转录组测序后的表达量矩阵的差异分析方法综述：《Interpretation of differential gene expression results of RNA-seq data: review and integration》，当时里面汇总的这些软件的引用率都没有破万，如下所示：

引用率都没有破万

感兴趣的可以看这个综述文章 ：https://www.ncbi.nlm./pmc/articles/PMC6954399/， 我在交流群里面号召大家检索了一下那些方法学文章，谷歌学术后的结果是：

edgeR 28141
cummeRbund 293
DESeq2 43424
limma 19897
DEGseq 3292
baySeq 916
SAMseq 513
sleuth 1111
NOISeq 553

可以看到， DESeq2和edgeR确实是遥遥领先啦，然后就是limma的voom算法。