做转录组研究的老师通常拿到RNA-seq数据都比较头疼，从庞大的数据中整理需要的信息做差异分析、富集分析、数据检验等等，就很费时间，更不要说数据提交分析时频繁error导致的崩溃。
工欲善其事必先利其器，合理使用工具让分析事半功倍才是明智之举。Omicshare平台edgeR/DESeq2差异分析工具就是这个利器。
在整理上传数据时，可能有不同的数据形式，如原始reads count数据、经RPKM/FPKM、TPM等标准化处理的数据等，不论edgeR软件还是DESeq2软件，都只能对count数据进行差异分析，工具强制
只能上传原始count数据
即正整数，同时文件中整列为0的样本数据应剔除。
如果是已经经过标准化处理的小数数据，无法上传edgeR差异分析，可尝试使用t检验进行分析。
Tips：
edgeR/DESeq2差异分析与t检验都可对数据进行差异分析，设置P或Q的检验阈值、差异倍数等筛选。
但edgeR/DESeq2是专门为RNA-seq数据设计的差异分析工具，在分析前会对RNA-seq数据进行标准化（工具默认
CPM方法
），以校正测序深度和其他技术性偏差，能够更准确地处理数据的离散性和技术噪声，更推荐用 edgeR/DESeq2进行RNA-seq数据的差异分析；
t检验无法有效处理RNA-seq数据中的高离散性和低表达基因，且未考虑测序深度的差异，使用t检验进行RNA-seq数据的差异分析，可能会导致假阳性率升高和结果偏差较大不可靠，尤其是在未对reads count数据进行适当预处理的情况下。如果确实需要使用 t 检验，建议先对数据进行
标准化处理
，并严格进行
多重检验校正
。
分组文件不需要表头，上传几组比较，就有几组对应差异结果；若上传时提示分组文件与基因count文件行列数量不对应，可检查去掉分组文件表头；
当然，测序数据文件数据量通常都不小，在上传文件时工具进行数据检查耗时更长，推荐使用txt文件会稍快一些；
常用的阈值设置为差异倍数2倍、P值0.05，在edgeR/DESeq2差异分析工具中，直接以
差异倍数筛选
，对应结果表中
log2fc绝对值大于1
；t检验工具则以
log2fc筛选
，对应默认阈值为1；
edgeR差异分析结果图输出为所有比较组差异基因柱状图、不同比较组差异火山图，
结果数据中，log2fc为基于CPM标准化后的数据进行计算：
也可使用输出的不同比较组差异基因log2fc数据、Pvalue数据，整合绘制多组差异散点图：
动态多组差异散点图绘制教程
更多实用又好看科研配图，欢迎评论区交流分享~
OmicShare
是基迪奥生物旗下，以交互式生信工具、原创组学书籍、生信论坛以及视频教程于一体的生信平台，现
140000+
科研人注册使用，超
4500+
篇SCI引用。即刻注册，轻松开启NCS绘图之旅！
关于OmicShare tools的SCI文章已经发表了！
影响因子23.7！
发表期刊：
iMet
a (IF 23.7)
原文链接DOI：
https://doi.org/10.1002/imt2.228
*海量工具使用无门槛：
161+
工具覆盖
99%
生命科学期刊发表所需，无需任何编程基础，提交数据即可完成绘图；
*发表级美图直出：
顶刊审美，参数/配色可实时交互；
*支持免费使用：
每个工具均
可免费
使用
2
次；还可通过
【邀请好友】
或
【论坛任务】
获取奥币，解锁更多免费次数。详情戳：
《OS新手使用说明》
*完整权益体验：
升级
【会员/超级会员】
，实现绘图自由，还能尊享更多权益：
https://www.omicshare.com/user/register.php?lang=zh
OS工具：
https://www.omicshare.com/tools/
