首先，我们要明白，limma接受的输入参数就是一个表达矩阵，而且是log后的表达矩阵(以2为底)。那么最后计算得到的logFC这一列的值，其实就是输入的表达矩阵中case一组的平均表达量减去c(1)显著性上调基因：logFC > 1且p_value < 0.05;(2)显著性下调基因：logFC < -1且p_value< 0.05;(3)上下调变化不显著的基因：除上下调基因之外的所有基因。最后将筛选到的基因分三部分
condition_avg_logFC: 条件的平均log2FC。正值表示该基因在簇中的表达量更高。condition_pct.1: 在条件群集中检测到该基因的细胞百分比condition_pct.2: 在条件的其他群集中平均GOHeat(chord, nlfc = 1, fill.col = c('red', 'yellow','green')) 聚类(GOCluster) GOCluster(circ, EC$process, clust.by = ‘logFC’term.width = 2) GOCluster()调用R内置函
˙０˙ 若在一次试验中，基因表达水平改变程度较小，则设定较大的阈值会导致结果的假阴性率较高，但如果过多的减小阈值，又可能使结果的假阳性率升高。其次，由于表达量低的基因较表达量高的基LogFC 是一种常见的统计分析结果，它能够反映出不同样本之间的基因表达量的相对差异。它可以用来帮助分析实验中所介入基因的调控机制，当logFC 值差异很大，就可以认为两个样
需要重新对应一下gene_up<-rownames(need_DEG[with(need_DEG,log2FoldChange>log2FC_cutoff&padj t检验说直白一点就是将两组数据进行均值比较，得到Foldchange值，取对数就得到啦常用的logFC,通常来说差异倍数取2,p<0.05视为差异显著，当然如果的你的数据背景有相似的话也可以取1.5,一步一步着手做生信分析1、关于cellranger count 运行问题如果是还在学校搞科研的同学，那么我们做生信分析的时候，从公司拿到的数据(以10×为例)基本都已经是fastq格式的文件了，这就省去了我们前
