本文关键词：富集分析geo

说实话，干这行15年了，我见过太多刚入行的硕士博士，拿到一堆差异基因就急着跑富集分析geo。结果呢？图做得花里胡哨，导师一看直摇头，因为根本解释不通生物学意义。今天我不讲那些高大上的算法公式，就聊聊怎么把富集分析geo这步走对，少走弯路。

先说个真事。去年有个学生找我，说他跑出来的GO富集分析结果，前20个条目全是“细胞组分”，而且全是线粒体、核糖体这种万金油词汇。我问他数据哪来的？他说直接拿差异基因列表丢进DAVID。我一看，好家伙，P值没校正，FDR没看，连背景基因集都没设对。这种结果发文章？审稿人第一句就是“方法学错误”。

富集分析geo的核心不是跑代码，而是理解“为什么富集”。很多新手以为只要P值小于0.05就是显著，大错特错。你要看的是调整后的P值（FDR或Bonferroni），还有基因数。比如一个通路里只有3个基因，就算P值再小，也可能只是偶然。反之，如果有50个基因富集在一个通路，哪怕P值是0.06，也值得深入挖掘。

我一般建议分三步走，别跳步。

第一步，数据清洗。别拿原始计数直接跑。先用DESeq2或edgeR做差异分析，设定logFC>1且FDR<0.05。记住，基因列表要干净，去掉那些表达量极低、几乎不表达的基因。这些噪音会严重干扰富集结果。我见过有人把非编码RNA混进去，结果KEGG通路分析全是“未注释”，浪费时间。

第二步，选对工具。R语言里的clusterProfiler是首选，功能全，可视化强。如果你不会编程，可以用Metascape或DAVID，但要注意它们的默认设置。比如Metascape会自动合并相似条目，这很好，但有时会把关键通路合并掉。我习惯用clusterProfiler，因为可以自定义背景基因集。比如你研究的是肝脏疾病，背景就应该用肝脏特异性表达的基因，而不是全基因组。这点很多人忽略，导致结果偏差。

第三步，结果解读。别只看条形图。要看气泡图、网络图。特别要注意“冗余”问题。比如“细胞凋亡”和“程序性细胞死亡”可能同时出现，其实是一个意思。这时候要用REVIGO或者clusterProfiler的reduce函数去冗余。否则你写论文时，会被审稿人问“这两个条目有什么区别？”你答不上来就尴尬了。

再说说KEGG通路分析。很多同行只关注通路名称，不看通路图。其实，看通路图才能知道哪些基因是关键节点。比如一个通路里，上游激酶没变，下游转录因子变了，那调控逻辑就完全不同。我常建议学生把显著富集的通路截图，标出差异基因，这样在讨论部分才有说服力。

最后，给个真实建议。富集分析geo只是起点，不是终点。它告诉你“可能发生了什么”，但不能证明“确实发生了”。一定要结合实验验证，比如qPCR或WB。别指望靠富集分析就得出完美结论。还有，记得检查物种注释。小鼠和人基因名不一样，别搞混了。我见过有人把小鼠基因名直接当人用，结果富集出“人类特有”的通路，闹大笑话。

总之，富集分析geo不难，难在细节。多查文献，多对比，别怕麻烦。如果你还在为结果不显著发愁，或者不知道怎么看图，欢迎随时交流。别自己瞎琢磨，容易走偏。