RNA计数模型差异表达与效应收缩

更新：2026-10-15；状态：可用；验证范围：DESeq2/apeglm公开计数案例已在原生R执行；edgeR与voom未测。

差异表达同时依赖计数生成、归一化、离散度和设计，效应收缩与显著性检验是不同环节。

从计数模型出发

bulk RNA-seq基因计数受文库规模和生物学变异影响。DESeq2和edgeR常用负二项框架，均值由设计和归一化因子联系到组别，离散度描述超出Poisson的变异。limma-voom则对相应变换的计数估计均值—方差权重，再进入线性模型，不是直接对TPM逐基因普通t检验。

需要分别学习的步骤

归一化处理可比尺度，离散度借助跨基因信息稳定估计，设计矩阵定义协变量和对比。基因组装、转录本汇总与长度偏差又是上游问题；整数计数接口和tximport等导入方式不能混用。

低计数预过滤和独立过滤影响检验集合，应保留实际规则。批次与组别完全混杂时，换一种差异算法也不能凭空分开效应。

收缩改变什么

log fold change收缩可降低低信息基因的极端效应，适合排名和展示。收缩系数不应与任意原始标准误拼成新P值；具体检验和效应阈值应使用软件支持的对应接口。显著性、效应大小和预测价值分别判断。

报告对比方向、计数来源、归一化、设计、过滤、效应/区间和FDR。完整操作见RNA-seq从计数矩阵到差异表达，验证见转录组差异与qPCR验证设计。

DESeq2与apeglm已有公开airway数据贯通DESeq2实测，edgeR与voom未运行。依据：DESeq2官方教程、voom原始论文、edgeR原始论文。

一个低信息例子

某基因在对照几乎都是0，处理只有少量计数，原始log2FC可能很大，但估计很不稳定。收缩会结合估计不确定性与先验，通常把信息不足的效应拉向更保守值；不是按固定倍数缩小所有基因。

设计矩阵是把组别和协变量编码成模型列；离散度描述额外变异；收缩用共同信息稳定估计。前置见广义线性模型与逻辑回归、线性模型与混合模型、概率条件概率与贝叶斯定理。

实测与细分概念

负二项离散度与均值方差、RNA文库大小因子与组成偏差解释模型；RNA效应收缩与阈值检验区分效应估计与不同零假设。airway实测普通零效应检验与阈值1检验发现数不同，具体数值和条件见案例。