RNA-seq 表达矩阵为什么不能直接拿来比较

原始计数记录的是观察量

RNA-seq 计数受到测序深度、文库组成、转录本长度和比对策略影响。不同样本的总计数不同，不能把原始数字视为统一尺度。

在分析前先保存样本表、文库信息和参考版本，矩阵中的每一列才能对应真实实验条件。

用于差异分析的方法通常在模型内部处理尺度，不应先用任意比例把数字改写。

标准化方法有自己的假设，文章只能说明原则，具体研究仍需统计人员按设计判断。

处理“原始计数记录的是观察量”时，准备阶段应先列出数据对象、任务阶段和负责角色。围绕“原始计数记录的是观察量”整理记录，能够把准备阶段的临时判断与最终结论分开，团队也更容易判断当前结果是否足以支持下一步。

判断“原始计数记录的是观察量”是否完成，不能只看程序有没有退出或文件是否出现。围绕“原始计数记录的是观察量”的观察过程补齐来源、时间、条件与限制，才能把一次运行中的偶然现象变成可讨论的记录，并说明它距离可以反复观察的模式还有多远。

交接“原始计数记录的是观察量”的结果时，应给下一位成员一个可以立即复查的起点。说明“原始计数记录的是观察量”在团队交接采用的让没有参与当天操作的成员也能继续工作方式，同时标出只存在于操作者记忆里的步骤和文件位置、环境版本和异常处理的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

极端高表达会改变整体比例

少数高表达基因可能占据大量读段，使其他基因的相对计数下降。简单按总量除法，可能把组成差异误写成普遍下调。

应检查样本的表达分布和高丰度基因，判断是否存在明显组成偏差。

稳健方法会尝试估计样本尺度，但仍依赖大多数基因没有同方向巨大变化等条件。

当研究系统发生全局转录变化时，常规模型的假设需要重新评估。

处理“极端高表达会改变整体比例”时，观察过程应先把日志、样本状态和代表性结果放在一起阅读。围绕“极端高表达会改变整体比例”整理记录，能够把一次运行中的偶然现象与可以反复观察的模式分开，团队也更容易判断当前结果是否足以支持下一步。

判断“极端高表达会改变整体比例”是否完成，不能只看程序有没有退出或文件是否出现。围绕“极端高表达会改变整体比例”的团队交接补齐来源、时间、条件与限制，才能把只存在于操作者记忆里的步骤变成可讨论的记录，并说明它距离文件位置、环境版本和异常处理还有多远。

交接“极端高表达会改变整体比例”的结果时，应给下一位成员一个可以立即复查的起点。说明“极端高表达会改变整体比例”在资源决策采用的比较等待时间、资源峰值、复核成本和业务期限方式，同时标出单纯追求更高规格和真正影响当前负载的条件的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

基因标识版本会制造缺失

旧版 Ensembl ID、基因符号和探针编号可能在新注释中合并、拆分或停用。矩阵合并时若不记录版本，缺失值不一定代表没有表达。

映射时保存原始标识、目标标识、版本和一对多关系，无法确认的记录单独输出。

跨数据集比较前先统一物种和标识类型，再处理重复行，不以名称相似代替正式映射。

数据库更新可能改变映射结果，因此旧分析与新分析需要分别保留版本。

处理“基因标识版本会制造缺失”时，团队交接应先让没有参与当天操作的成员也能继续工作。围绕“基因标识版本会制造缺失”整理记录，能够把只存在于操作者记忆里的步骤与文件位置、环境版本和异常处理分开，团队也更容易判断当前结果是否足以支持下一步。

判断“基因标识版本会制造缺失”是否完成，不能只看程序有没有退出或文件是否出现。围绕“基因标识版本会制造缺失”的资源决策补齐来源、时间、条件与限制，才能把单纯追求更高规格变成可讨论的记录，并说明它距离真正影响当前负载的条件还有多远。

交接“基因标识版本会制造缺失”的结果时，应给下一位成员一个可以立即复查的起点。说明“基因标识版本会制造缺失”在版本管理采用的对应数据、脚本、依赖和说明文档方式，同时标出孤立的最终文件和能够追溯的生成过程的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

批次效应来自实验流程

不同实验日期、试剂、测序平台和操作人员都可能留下系统信号。若分组与批次完全重合，统计模型很难分开两者。

分析人员应先查看实验设计，使用 PCA、相关性和质量图发现可能的批次结构。

模型可纳入批次变量，但不能凭一张图自动决定删除或校正。

批次校正可能移除真实差异，特别是设计不平衡时必须谨慎解释。

处理“批次效应来自实验流程”时，资源决策应先比较等待时间、资源峰值、复核成本和业务期限。围绕“批次效应来自实验流程”整理记录，能够把单纯追求更高规格与真正影响当前负载的条件分开，团队也更容易判断当前结果是否足以支持下一步。

判断“批次效应来自实验流程”是否完成，不能只看程序有没有退出或文件是否出现。围绕“批次效应来自实验流程”的版本管理补齐来源、时间、条件与限制，才能把孤立的最终文件变成可讨论的记录，并说明它距离能够追溯的生成过程还有多远。

交接“批次效应来自实验流程”的结果时，应给下一位成员一个可以立即复查的起点。说明“批次效应来自实验流程”在结果解释采用的区分程序完成与解释成立方式，同时标出自动产生的图表和经过样本设计和质量指标检验的证据的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

可视化变换不等于模型输入

热图和 PCA 常使用方差稳定或对数类变换，让不同表达范围更适合展示。差异分析模型则可能直接基于原始计数分布。

文件名应明确区分 raw counts、normalized values 和 transformed values，避免团队混用。

图形脚本与统计脚本分别记录输入，结果摘要说明每种矩阵的用途。

把可视化矩阵重新送入不匹配的模型，会破坏方法假设。

处理“可视化变换不等于模型输入”时，版本管理应先对应数据、脚本、依赖和说明文档。围绕“可视化变换不等于模型输入”整理记录，能够把孤立的最终文件与能够追溯的生成过程分开，团队也更容易判断当前结果是否足以支持下一步。

判断“可视化变换不等于模型输入”是否完成，不能只看程序有没有退出或文件是否出现。围绕“可视化变换不等于模型输入”的结果解释补齐来源、时间、条件与限制，才能把自动产生的图表变成可讨论的记录，并说明它距离经过样本设计和质量指标检验的证据还有多远。

交接“可视化变换不等于模型输入”的结果时，应给下一位成员一个可以立即复查的起点。说明“可视化变换不等于模型输入”在准备阶段采用的列出数据对象、任务阶段和负责角色方式，同时标出准备阶段的临时判断和最终结论的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

标准化后仍要检查样本

标准化可以减少尺度差异，但不会修复错误标签、污染样本、低质量文库或缺失协变量。

再次查看分布、样本距离和关键质量指标，确认技术差异是否得到合理控制。

异常样本需要结合实验记录解释，不应只因为它影响显著性就删除。

任何排除都要写入分析日志，并比较排除前后的主要结论。

处理“标准化后仍要检查样本”时，结果解释应先区分程序完成与解释成立。围绕“标准化后仍要检查样本”整理记录，能够把自动产生的图表与经过样本设计和质量指标检验的证据分开，团队也更容易判断当前结果是否足以支持下一步。

判断“标准化后仍要检查样本”是否完成，不能只看程序有没有退出或文件是否出现。围绕“标准化后仍要检查样本”的准备阶段补齐来源、时间、条件与限制，才能把准备阶段的临时判断变成可讨论的记录，并说明它距离最终结论还有多远。

交接“标准化后仍要检查样本”的结果时，应给下一位成员一个可以立即复查的起点。说明“标准化后仍要检查样本”在观察过程采用的把日志、样本状态和代表性结果放在一起阅读方式，同时标出一次运行中的偶然现象和可以反复观察的模式的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

跨研究合并比单批次更复杂

不同研究可能使用不同组织处理、测序平台、参考版本和临床定义。把矩阵拼在一起并增加一个批次变量，未必足够。

可以先在每个研究内分析，再比较效应方向或做适当的整合模型。

共同基因集合、样本元数据和质量门槛必须清楚定义，缺失字段不能被默认成同一类别。

整合结果适合发现候选模式，但仍需要回到各研究原文确认语境。

处理“跨研究合并比单批次更复杂”时，准备阶段应先列出数据对象、任务阶段和负责角色。围绕“跨研究合并比单批次更复杂”整理记录，能够把准备阶段的临时判断与最终结论分开，团队也更容易判断当前结果是否足以支持下一步。

判断“跨研究合并比单批次更复杂”是否完成，不能只看程序有没有退出或文件是否出现。围绕“跨研究合并比单批次更复杂”的观察过程补齐来源、时间、条件与限制，才能把一次运行中的偶然现象变成可讨论的记录，并说明它距离可以反复观察的模式还有多远。

交接“跨研究合并比单批次更复杂”的结果时，应给下一位成员一个可以立即复查的起点。说明“跨研究合并比单批次更复杂”在团队交接采用的让没有参与当天操作的成员也能继续工作方式，同时标出只存在于操作者记忆里的步骤和文件位置、环境版本和异常处理的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

云端计算要保存方法环境

表达分析依赖 R、Bioconductor 和具体包版本。升级环境后，默认参数或注释数据库可能变化。

为每次正式分析保存锁定文件、会话信息、脚本提交版本和参考数据日期。

先用小样本验证资源与流程，再运行完整矩阵，减少失败任务和无意义数据复制。

云实例规格影响运行效率，不应被写成统计方法正确性的证据。

处理“云端计算要保存方法环境”时，观察过程应先把日志、样本状态和代表性结果放在一起阅读。围绕“云端计算要保存方法环境”整理记录，能够把一次运行中的偶然现象与可以反复观察的模式分开，团队也更容易判断当前结果是否足以支持下一步。

判断“云端计算要保存方法环境”是否完成，不能只看程序有没有退出或文件是否出现。围绕“云端计算要保存方法环境”的团队交接补齐来源、时间、条件与限制，才能把只存在于操作者记忆里的步骤变成可讨论的记录，并说明它距离文件位置、环境版本和异常处理还有多远。

交接“云端计算要保存方法环境”的结果时，应给下一位成员一个可以立即复查的起点。说明“云端计算要保存方法环境”在资源决策采用的比较等待时间、资源峰值、复核成本和业务期限方式，同时标出单纯追求更高规格和真正影响当前负载的条件的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

解释差异要回到效应量

显著性同时受到样本量、离散程度和多重检验影响。只按 P 值排序，容易忽略变化幅度和稳定性。

报告效应量、置信区间、表达水平和敏感性分析，让读者理解结果规模。

对关键基因和通路使用独立数据、实验或文献交叉核验。

表达差异不能单独证明诊断价值、治疗效果或因果关系。

处理“解释差异要回到效应量”时，团队交接应先让没有参与当天操作的成员也能继续工作。围绕“解释差异要回到效应量”整理记录，能够把只存在于操作者记忆里的步骤与文件位置、环境版本和异常处理分开，团队也更容易判断当前结果是否足以支持下一步。

判断“解释差异要回到效应量”是否完成，不能只看程序有没有退出或文件是否出现。围绕“解释差异要回到效应量”的资源决策补齐来源、时间、条件与限制，才能把单纯追求更高规格变成可讨论的记录，并说明它距离真正影响当前负载的条件还有多远。

交接“解释差异要回到效应量”的结果时，应给下一位成员一个可以立即复查的起点。说明“解释差异要回到效应量”在版本管理采用的对应数据、脚本、依赖和说明文档方式，同时标出孤立的最终文件和能够追溯的生成过程的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

表达数据如何进入实际任务

RNA-seq 表达矩阵为什么不能直接拿来比较所讨论的方法，需要和项目的数据许可、资源条件及人工判断一起使用。正式运行前，应核对地区、配置与服务条件；研究数据还要遵守项目和数据提供方的要求。

研究工作区说明任务交接，计算与数据页面帮助识别 CPU、GPU、内存与存储瓶颈。两者可以把本文结论接到具体账号、实例和团队流程。