首页集团概况技术专题

如何解读组学数据分析筛选差异表达物指标

信息来源：金开瑞作者：genecreate 发布时间：2018-10-26 11:42:08

做组学（蛋白质组、代谢组、转录组等等）数据分析，筛选差异表达物（蛋白质、代谢物、基因等等）往往是最常做的工作。。。

那么问题来了：筛选的指标有啥子撒？

针对蛋白质组和代谢组，最最常用的筛选差异表达物的指标有如下3种：

1. P值；

2. 倍数变化（Fold Change）；

3. VIP值。

1. P值

通常是根据假设检验的方法得到，一般求得原始P值以后，强烈建议对P值再进行校正。然后卡校正以后的P值。通常设定的阈值是0.05【小于该阈值的留下】。

2. 倍数变化（Fold Change）

既然是倍数变化，那就是一个比值，所以其针对就是两组数据的表达量变化。通常设定的阈值是：上调是1.5或者2【大于该阈值的留下】，对应的下调是0.67或0.5【小于该阈值的留下】。

3. VIP值

全称variable influence on projection，该值通常是根据PLS-DA或者OPLS-DA方法得到，其反映的是每一个表达物对模型的贡献的程度。通常设定的阈值是1【大于该阈值的留下】。

温馨小结：

I. 这3个指标可以混用，文章中常见的是两者的混合，当然也可以这3个一起使用，很少见到只用一种指标的。参考文献：DOI: 10.1158/1078-0432.CCR-17-1707。

II. 上述说的阈值的设定都是常用值，肯定不是固定值。比如倍数变化，有些文章设定的上调阈值为1.3或者1.2，那么对应的下调的阈值就是0.77或者0.83。参考文献：DOI: 10.1021/acs.jproteome.8b00521。

III. 说了这么多，怎么求呢？在悟空云平台上即可简单快速求出结果。参考文献：DOI: 10.1021/acs.analchem.8b03065。