生信必会：差异表达分析与三大图表实战

引言Introduction

差异表达分析是生信入门到发文的第一道门槛。很多人能拿到数据，却卡在分组、阈值和作图上。结果就是，分析做了不少，结论却不够稳。如果你是医学生、医生或科研人员，先把差异分析和三大图表吃透，后面的机制挖掘才有基础。

1. 差异表达分析到底在做什么

1.1 先明确分析目标

差异表达分析的核心，不是“找很多基因”。而是找出在不同组别之间表达发生稳定变化的分子 。常见场景包括肿瘤与正常组织、处理组与对照组、不同分型或不同预后组。

从方法上看，它属于典型的生信统计学方法 应用。你需要处理的是高维数据、批量比较和多重检验问题。不是简单做一次 t 检验就结束。尤其是RNA测序数据，原始计数值通常不满足正态分布假设，需用edgeR、DESeq2等方法进行建模和标准化。

1.2 分组决定结果方向

差异分析最容易出错的地方，是分组定义不清。分组一旦反了，上调和下调的方向就会整体翻转。 这在实际写文章时很常见。

建议在分析前先完成三件事。

1. 核对样本来源和临床信息。
2. 明确比较顺序，例如 tumor vs normal。
3. 检查是否存在重复样本、缺失值和异常值。

如果是公开数据库数据，还要关注样本量是否平衡。比如肿瘤组远多于正常组时，统计模型的稳定性和结果解读都要更谨慎。

1.3 常用阈值要怎么设

差异分析的常用筛选标准通常包括两个维度，变化幅度和统计显著性。常见组合是：

• |log2FC| > 1
• FDR < 0.05

如果研究更严格，可采用：

• |log2FC| > 1.5 或 2
• adjusted P < 0.01

阈值不是越严越好。 阈值太严会丢掉真实信号，太松会引入噪音。对于医学生和临床科研人员，建议结合研究目的和后续验证能力来定。探索性研究可适度放宽，机制验证和转化模型则应更严格。

2. 火山图：最快看懂差异结果

2.1 火山图为什么重要

火山图是差异分析后最常见的总览图。它同时展示两个维度，横轴是表达变化幅度，纵轴是统计显著性。它能让你快速判断哪些基因变化大、哪些基因更可信。

在实战中，火山图常用于三件事。

• 快速展示上下调基因分布。
• 标记最显著的候选分子。
• 为后续功能富集和机制分析筛选对象。

火山图不是装饰图。它是结果筛选逻辑的第一张图。

2.2 读图时要看什么

标准火山图里，通常可以看到三类点。

• 红色点，代表上调基因。
• 蓝色点，代表下调基因。
• 灰色点，代表未达到阈值的基因。

重点不是点有多少，而是点的分布是否符合生物学预期。 例如肿瘤组与正常组比较时，如果显著差异基因过少，可能提示样本异质性不足或阈值过严。若过多，则要检查批次效应和标准化是否充分。

建议优先标注最有代表性的分子，而不是把所有基因都堆上去。一般可标记前10个上调和前10个下调分子，既清晰，也便于文章呈现。

2.3 火山图实战要点

画火山图前，建议完成以下步骤。

1. 计算差异分析结果。
2. 按照FDR和log2FC筛选显著基因。
3. 给每个基因添加分组标签，如 up、down、not sig。
4. 按需标注关键基因名称。
5. 检查坐标是否设置合理。

火山图的价值，不在于颜色漂亮，而在于筛选标准透明。 只要图上能清楚说明差异大小和显著性，读者就能快速理解你的结果。

3. 热图：展示样本与基因的整体模式

3.1 热图适合回答什么问题

热图比火山图更适合看“整体模式”。它能同时展示多个基因在多个样本中的表达情况。如果火山图回答“谁变了”，热图回答的是“这些变化在样本中是否形成稳定模式”。

在文章里，热图常用于：

• 验证差异基因在样本中的分层效果。
• 显示候选基因在不同分组中的表达趋势。
• 配合聚类结果展示样本间相似性。

对临床样本来说，热图还有一个重要作用，就是帮助你观察样本是否存在混杂分层。若正常样本和肿瘤样本在热图中明显分开，说明候选基因组合具有一定区分能力。

3.2 热图怎么做才规范

热图最常见的错误，是把基因太多、样本太多一起画，导致信息拥挤。最实用的做法，是选取筛选后的显著差异基因，或进一步选取表达波动最大的前20到50个基因。

规范做法通常包括：

• 对表达矩阵进行标准化或Z-score处理。
• 选取显著差异基因。
• 进行层次聚类。
• 设置清晰的分组注释条。
• 使用合适的配色方案，突出高低表达。

如果是不同组别的比较，建议统一色标方向。高表达用暖色，低表达用冷色。这样更容易被审稿人和读者快速识别。

3.3 热图能提供什么结论

热图本身是描述性图表，但它可以支持很多关键判断。

• 候选基因是否在某一组中整体上调或下调。
• 样本之间是否有明显分群。
• 某些基因是否呈协同变化趋势。

热图不负责证明因果关系，但它能为后续机制分析提供方向。 例如，如果一组免疫相关基因在肿瘤组整体升高，就可以进一步做通路富集或免疫浸润分析。

4. 箱线图和配对图：把组间差异讲清楚

4.1 什么时候用箱线图

箱线图适合展示单个基因或少数基因在不同组之间的表达差异。它比火山图更直观，也更利于展示统计检验结果。对于文章中的关键候选基因，箱线图通常比火山图更有说服力。

常见场景包括：

• 正常组与肿瘤组比较。
• 高风险组与低风险组比较。
• 不同分型之间比较。

箱线图能清楚展示中位数、四分位距和离群值。对于样本量较大的公开数据库分析，这种图尤其常见。

4.2 配对图适合什么情况

如果样本来自同一患者的配对组织，比如癌旁组织和肿瘤组织，配对图会比普通箱线图更合适。因为它保留了个体内部差异，统计效率更高。

配对图的关键点有两个。

1. 每一对样本必须来自同一个体。
2. 统计方法要选择配对检验，而不是普通独立样本检验。

这类图在临床样本研究中非常有价值。它能更真实地反映同一患者体内的表达变化。

4.3 图表和统计结果必须一致

很多稿件的问题，不是图不漂亮，而是图和统计结果不一致。比如图上看差异很明显，但P值并不显著。或者统计显著，但效应量很小。

规范做法是，图表、P值、效应量三者同时报告。
建议至少写清楚：

• 使用的统计检验方法。
• 样本量。
• P值或FDR。
• 变化方向。

这样读者才知道你的结论是怎么得出的，而不是只看到一个“显著”标签。

5. 从差异分析走向文章结果

5.1 结果链条怎么搭

一篇规范的生信文章，差异分析通常只是起点。完整链条一般是：

1. 差异分析，找候选分子。
2. 火山图和热图，可视化结果。
3. 功能富集分析，解释生物学意义。
4. 网络分析或临床分析，提升文章深度。
5. 外部队列或实验验证，增强可信度。

如果只有差异分析，没有后续验证，文章层次通常不够。
所以，差异表达分析最重要的价值，是为后面的机制研究提供可靠入口。

5.2 统计思维比软件更重要

很多初学者把重点放在“会不会跑代码”，但真正决定结果质量的，是统计思维。你需要知道：

• 为什么要标准化。
• 为什么要做多重检验校正。
• 为什么要控制批次效应。
• 为什么不能只看P值。

这就是生信统计学方法的核心。软件只是工具，逻辑才是分析的骨架。

总结Conclusion

差异表达分析是生信最基础、也最关键的模块之一。它决定了你后续能不能顺利做功能富集、网络分析和临床建模。火山图负责快速筛选，热图负责展示整体模式，箱线图和配对图负责讲清单个基因的差异。把这些图和统计方法结合起来，才算真正掌握生信统计学方法。

如果你希望把差异表达分析做得更规范、更高效，建议使用解螺旋的系统化工具和课程资源。它能帮助你把数据清洗、差异分析、可视化和结果解读串成完整流程，少走弯路，直接把分析落到文章级输出上。