差异基因的方法 p-value
上周，我们分享了用RPKM值计算差异基因的方法，这周我们继续分享另外一种方法p-value。
我们都知道，在利用RNA-seq数据比较分析两个样品中同一个基因是否存在差异表达的时候，一般选取两个标准：
1）FoldChange
FoldChange，很容易理解了。就是两样品中同一个基因表达水平的变化倍数。可以用RPKM值来计算，关于RPKM的计算方法，之前有个帖子已经分享了，大家可以戳这里查看。
2）FDR校正后的p-value，即q-value
FDR值的计算方法又可分为以下2种：
1.对每个基因进行p-value的计算
假设观测到基因A对应的reads数为x，已知在一个大文库中，每个基因的表达量只占所有基因表达量的一小部分，在这种情况下，p(x)的分布服从泊松分布。已知样本一中唯一比对到基因组的总reads数为N1，样本二中唯一比对到基因组的总reads数为N2，样本一中唯一比对到基因A的总reads数为x，样本二中唯一比对到基因A的总reads数为y，则基因A在两样本中表达量相等的概率可由以下公式计算：
image
2.用FDR错误控制法对p-value作多重假设检验校正
FDR错误控制法是Benjamini于1995年提出一种方法,通过控制FDR(False Discovery Rate)来决定P值的域值. 假设你挑选了R个差异表达的基因，其中有S个是真正有差异表达的，另外有V个其实是没有差异表达的，是假阳性的。实践中希望错误比例Q＝V/R平均而言不能超过某个预先设定的值（比如0.05），在统计学上，这也就等价于控制FDR不能超过5％.
对所有候选基因的p值进行从小到大排序，则若想控制fdr不能超过q，则只需找到最大的正整数i，使得 p(i)<= (i*q)/m。
然后，挑选对应p(1),p(2),...,p(i)的基因做为差异表达基因，这样就能从统计学上保证fdr不超过q。 因此，FDR的计算公式如下：
image
如果你的数据用以上2种方法分析都差异不显著，又或者差异基因太多，那也真是心塞呢。不过基迪奥的技术们还是有分析办法的。戳下面题目查看~
