转录组差异分析流程三大R包比较

Posted 2023-03-09

参考技术A 总目录：

edgeR: 原始的count矩阵，支持单个样品和重复样品
DESeq2: 原始的count矩阵（htseq-count），只支持重复样品
limma： 原始的count矩阵（需自己标准化，一定要log化）、经过标准化的矩阵或芯片数据，只支持重复样品
注： 无重复RNAseq样本推荐使用Gfold软件进行分析

导入数据

差异基因数目比较

edgeR: 得到基因数目最多

DESeq2: 得到基因数目适中

limma： 得到基因数目最少

差异基因一致性比较

结论：

三个R包得到的差异基因数目差别不是很大
edgeR包和DEseq2包得到的差异基因更加相似
limma包得到的差异基因准确率最高（其他两个R包不能得到的差异基因数量最少，只占总数的2%），但假阴性高（实际差异结果不差异）
edgeR包能得到更多的差异基因，但假阳性高（实际不差异结果差异）
运行速度比较
计算从导入数据（16610基因，8样本）到差异分析结束所需要的时间
limma: 3.944069 secs
edgeR: 5.882637 secs
DEseq2: 10.55145 secs
由此可见limma分析速度最快，DEseq2分析速度最慢

————————————————

原文链接： https://blog.csdn.net/weixin_45161743/article/details/103536523