公开airway数据贯通DESeq2

更新：2026-10-15；状态：可用；验证范围：原生R与公开airway计数案例已执行；范围和结果见正文。

用公开真实计数在原生R完成配对模型、效应收缩、阈值检验和诊断，并核对关键结果性质。

数据来自哪里

使用Bioconductor airway包的airway整数计数对象，原研究GSE52778；4条人气道平滑肌细胞系，每条有处理trt和对照untrt，共8个样本。包内来源说明记录STAR、GRCh37/Ensembl75和summarizeOverlaps处理。本轮没有下载原FASTQ或重跑计数，也没有复现原论文所有分析。

下载、安装与第一次运行

下载项目ZIP，解压并进入含README.md和examples的根目录。按DESeq2安装对象与结果提取创建环境，在Linux/macOS或WSL终端执行：

conda env create -f examples/environments/rnaseq.yml
conda run -n wiki-rnaseq Rscript examples/test_rnaseq_inputs.R
conda run -n wiki-rnaseq Rscript examples/rnaseq_airway_demo.R

Windows原生R需先按Bioconductor安装所需包，再在系统终端执行Rscript；本轮仅实测Linux。安装、载入和运行是不同步骤，首次安装需要联网。分析本身只用已安装数据包，不额外联网查询基因名。

输出在examples/output/rnaseq-airway。为保护已有结果，非空目录会拒绝运行；再练习可传一个新的目录，例如Rscript examples/rnaseq_airway_demo.R examples/output/rnaseq-practice2。不允许覆盖既有输出的规则只针对本案例。

实际操作

故意打乱样本表后按ID重排，检查4×2配对结构；原始总计数至少10预过滤；拟合~ cell + dex，提取trt对untrt、alpha0.05；apeglm单独收缩；另做|log2FC|>1阈值检验及关闭独立过滤的诊断对照；使用VST作PCA、样本距离、MA与火山图。

固定环境和本次具体数值记录在summary.json，详细范围在维护记录。

本次固定设置	实际结果
原始基因数→总计数≥10保留	63,677→22,369
普通Wald padj<0.05	4,030：上调2,208、下调1,822
有P但因独立过滤无padj	5,204
保留集合内P为NA	0；不表示所有数据都不会有异常P
关闭独立过滤的诊断对照	3,820个显著
绝对log2FC>1的专门检验	243个显著

以上是本次包版本、过滤和设计下的结果，不是原论文发现数或跨版本必须逐位相同的真值。

核对产物与反例

counts.csv和samples.csv可核对输入；design-matrix.csv可核对满秩；differential-expression.csv保存完整结果，top50.csv仅用于查看，不作为富集的默认背景；result-status.csv保留NA分类，sample-qc.csv保存尺度与文库量。

实际检查：反向对比只翻转LFC而保留双侧P/padj；关闭独立过滤的padj与BH一致；apeglm结果保留原Wald P/padj。基础输入检查会拒绝分数计数、缺样本和混杂设计。

图上PCA样本标签为SRR10395后的尾号，形状区分细胞系、颜色区分处理；MA图和火山图颜色用原Wald padj<0.05，火山图纵轴为原始P。MA图边界三角表示超出当前纵轴显示范围，原表数值未截断。本轮只运行VST，未运行rlog。

修改图形可在已有输出上执行Rscript examples/plot_rnaseq_airway.R，只重画diagnostics.png，不重新拟合模型；可传已有输出目录。

源码rnaseq_airway_demo.R。别用“显著基因数相同”作为唯一复跑标准；包版本、过滤及数值精度可能改变边界，先核对完整参数和输入。