简单来说差异分析是用于比较不同样本（如疾病vs正常、处理vs对照）基因表达水平是否存在差距的核心方法，差异分析后的数据包含以下内容:

关键概念解析

FC值：是基因表达变化的倍数，表示实验组与对照组之间基因表达水平的相对差异。能够直接反映基因表达的上调或下调幅度，例如FC=2表示实验组表达量是对照组的2倍。但是由于原始FC值无法直接表示下调（因为FC值始终为正）。为解决这一问题，通常使用 log2FC（以2为底的对数转换）来表示

如：对照组表达量=1，实验组=4 → log2FC=2（上调4倍）对照组=100，实验组=50 → log2FC=-1（下调一半）

在测序筛选差异基因的时候：

通常设定FC阈值（如FC>2或FC<0.5）或log2FC阈值（如|log2FC|>1）来筛选显著差异表达的基因

P值：P值是统计检验中用于衡量是否存在统计差异显著的一个关键数值。指示数据差异的可信度。在科研领域，约定成俗的标准是P-value<0.05为统计检验显著

FD：错误发现率，是统计学中用于多重假设检验的一个关键指标，在科研中，我们经常需要同时检验很多假设，比如基因表达分析中要同时检验成千上万个基因的表达差异。如果每次检验都用传统的P值标准（比如P<0.05），随着检验次数的增加，误报的数量也会增加。FDR就是为了解决这个问题而提出的，它允许一定比例的误报存在，但通过量化这个比例实现更灵活的错误控制。

如何判断一个基因是否为差异表达基因？需要符合哪些因素？

通常以|log2 FC| ≥ 1（即FC ≥ 2或FC ≤ 0.5）为差异表达阈值，表示基因表达量至少变化2倍；以P < 0.05为显著性阈值，但在多重假设检验中，由于需同时检验大量基因，原始P值可能因多重比较而高估假阳性率。因此单独用P值可能导致假阳性过多，需结合多重假设检验校正方法（如FDR）进行调整，以FDR < 0.05为显著性阈值。

综合判断流程

1.筛选候选基因：根据FC值筛选出表达量变化较大的基因（如|log2 FC| ≥ 1）。并初步排除FC值接近1的基因（如0.8 < FC < 1.2），这些基因可能无生物学意义。

2.统计检验与P值校正：对候选基因进行统计检验（如t检验、Wilcoxon秩和检验等），计算原始P值。

3.使用多重假设检验校正方法（如BH方法）计算FDR值

设定显著性阈值

结合FC值、P值和FDR值，设定综合阈值。例如：FDR < 0.05且|log2 FC| ≥ 1的基因判定为显著差异表达基因。