不管是自测还是公共数据库，测序等组学数据是大家手头上最容易拿到的数据。
先前大家通过生信分析可以批量水文章，现在组学数据和生信分析的意义正在发生改变，更重要的价值是如何从组学数据中发掘出“亮点”。
但是，组学数据的特点是又多又杂，
组学数据的解读和梳理、判断就是第一步，而后续的工作才是如何基于组学数据讲好故事。
今天我就来抛砖引玉分享一下，
当拿到组学数据的时候，如何从千头万绪的结果中挑选到线头并把故事讲好，步骤大致分为四步
：
1
质控判断：从数据质量、样本、分组等整体情况看结果是否可信和可靠。
比如常见的
2
组
3
样本（
3vs3
）细胞的
RNA
测序结果，如果没有特殊情况下，
组内差异（
比如三个
Con
对照、三个药物组之
间）一般小于组间差异的（药物组
vs Con
），这一点可以从样本
PCA
聚类等结果看出来
，如果三个
Con
之间的差异要比组间差异还大，
下一步筛选差异基因的时候用
P
值
<0.05
大概率很难筛选到很多差异基因（
P
值太大不符合
<0.05
的情况）。
当然，
与均一性比较好的细胞相比，临床样本的异质性要大很多，特别是样本量比较大的情况下，出现离群样本很正常，这才是临床真实的情况，
那离群样本如何处理呢？
有的团队做法是舍弃这个样本，让数据看起来更好；有的则保留这个样本，但在讨论中说明可能的原因。
总体来说，这个步骤是质控步骤，也是后续分析的基石。
另外一个例子就是单细胞
RNA-Seq
分析完成后需要看整个
UMAP
（或者
TSNE
）是否“干净”，如果在
Cluster
周围有很多散点、分叉等，后续分析得到的结论有时候会似是而非，所以很多团队会在质控这一步骤不断调整，直到
Cluster
清楚干净。
这一步非常重要，需要先排除样本弄反、分组弄错、样本收集储存等过程的问题，然后才是对数据进行分析和解读。
2
结论判断：初步看一下结果是否大致符合预期。
我们在看数据之前可以先思考一下：
我关注的这个基因、药物或者疾病，如果差异基因、功能富集分析的通路和生物学过程出来后，我期待看到什么结果？
这个怎么判断呢？有两个参考：
a
是数据库和文献中关于基因、药物或者疾病的报道
，比如
A
基因可能与细胞周期有关，那大致可以预期看到
A
基因沉默后的差异基因和通路与细胞周期有关；
b.
是前期开展的功能实验
，比如我们看到
A
基因沉默后细胞凋亡比较明显，那总要看到一些跟凋亡或者细胞死亡有关的通路吧。如果我们看到这个基因
A
在沉默后有对应的基因、通路富集（活化或者抑制），就可以在文章里面说明：
如我们预期的（
As expected
）
, RNA-Seq
测序（或者其它组学结果）显示
A
基因沉默后导致了细胞周期（或者凋亡）通路或者基因的富集和改变，这与先前……的报道一致（或者与我们功能实验的结果一致，一般是
Consistent with
……）。
当然，另外一种情况就是：
结果越看越奇怪
。
比如本来实验是
A
基因沉默（并且用
qPCR
和
WB
验证过了）的细胞做的测序，怎么这个沉默组里面
A
基因表达比对照组还高表达呢，
A
本来是促进细胞死亡的，怎么
A
沉默后细胞死亡有关的通路活性都升高了，是不是分组弄反了？！
另外，
怎么这个数据呈现出来的差异基因和通路，与我关注的疾病没什么关系啊？
明明做的是炎症和损伤的疾病，怎么连细胞因子都没差异啊？差异的基因跟疾病的病理特点都对不上啊？
这个时候就要核实一下是不是分组、数据弄反了，或者样本的问题了。
3
思考和查询：哪些结果是“超出预期”的？
第三步是在第二步的基础上进一步看数据：
除了符合预期的结果外，哪些是没有想到的？
就像文章里面经常出现的词：
