负二项离散度与均值方差

更新：2026-10-15；状态：可用；验证范围：官方资料与方法核对；本页上游或扩展软件流程未执行。

负二项模型允许计数的方差超过均值，用离散度描述重复之间的额外变异。

一个模型例子

常见参数化下，计数均值为μ、离散度为α，方差为μ + αμ²。α接近0时趋近Poisson；均值相同的两个基因，若重复间变动不同，统计信息也不同。

每个基因只有少量生物学重复时，单独估计变异会不稳定。跨基因借用信息可帮助稳定估计，但仍依赖模型和数据；不能把技术reads数量当成生物学重复数量。方法背景见DESeq2原始论文。

离散度收缩与LFC收缩分开

离散度关系到计数方差建模；log2FC收缩关系到效应估计。两者不是同一个参数，也不是把所有基因的数字统一缩小。本轮DESeq2先估计大小因子和离散度，再做Wald检验，之后单独调用apeglm。

设计遗漏、异常样本和计数来源问题不能靠收缩解决。先检查RNA设计矩阵配对与对比方向，再读RNA效应收缩与阈值检验和RNA计数模型差异表达与效应收缩。