数据为什么进行log2转化，倍数变化为什么要个log2FC？
2022-10-24 本文已影响0人
微生信
2022年10月24日，首先祝所有程序员们（会写、会看代码的都算）节日快乐！
1024是2的十次方，二进制计数的基本计量单位之一。做生信分析的小伙伴就像是一个个1024，用最低调、最踏实、最核心的功能模块将计算机程序应用到生命科学中，促进科学发展。1G=1024M，而1G与1级谐音，做生信分析的小伙伴都是一级棒的！
将它们列在常规的坐标轴上。可以看到A vs B上调了8倍，而C vs B下调了8倍。然而在这个坐标轴上，A与B之间的距离（红色大括号）要远大于C到B之间的距离（蓝色大括号）。
另外，强烈推荐大家看看StatQuest！
微生信助力高分文章，用户55000+，引用700
1024是2的十次方，二进制计数的基本计量单位之一。做生信分析的小伙伴就像是一个个1024，用最低调、最踏实、最核心的功能模块将计算机程序应用到生命科学中，促进科学发展。1G=1024M，而1G与1级谐音，做生信分析的小伙伴都是一级棒的！
1，fold change的log2转化
以转录组分析为例，例如我们测了某基因在3个样品中的表达值，例如在A样品中基因TP53表达量为8，在样品B中表达值为1，在样品C中表达值为0.125（即1/8）。将它们列在常规的坐标轴上。可以看到A vs B上调了8倍，而C vs B下调了8倍。然而在这个坐标轴上，A与B之间的距离（红色大括号）要远大于C到B之间的距离（蓝色大括号）。
图1. 常规坐标轴（来自statquest，有修改）
图2. Log2坐标轴（来自statquest，有修改）
2，芯片或者测序数据的log2转化
一般情况下，我们的芯片或者测序给出来的原始值范围都是非常大的，例如Agilent芯片的信号强度从0到65535，tpm从0到25000。将它们绘制密度分布后，一般呈现右偏，即大部分信号都是在左侧，右侧拖个长长的尾巴，不利于研究，而经过log2转化后，数据更加集中，更加接近正态分布，更方便我们套用正态分布那一套进行研究。
图3. Raw数值分布
图4. 更接近正态分布
总结下（Coursera上杜克大学的统计学课程）
取对数，只是数据变换的一种方式，除此之外还可以取平方根、取倒数等。
数据变换的目的，有三点：
1.We might want to see the data structure a little differently （数据范围压缩了）
2.We might want to reduce skew to assist in modeling （更接近正态了）
3.We might want to straighten a nonlinear relationship in a scatterplot, so that we can model the relationship with simpler methods（更容易用简单的方法来研究了）
另外，强烈推荐大家看看StatQuest！
微生信助力高分文章，用户55000+，引用700
