多分组差异分析续集

大家学习到的通常是两个组的样本进行差异分析，然后走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。这些流程的视频教程都在B站和GitHub了，目录如下：

• 第一讲：GEO，表达芯片与R
• 第二讲：从GEO下载数据得到表达量矩阵
• 第三讲：对表达量矩阵用GSEA软件做分析
• 第四讲：根据分组信息做差异分析
• 第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析
• 第六讲：指定基因分组boxplot指定基因list画热图
• 第七讲：根据差异基因list获取string数据库的PPI网络数据
• 第八讲：PPI网络数据用R或者cytoscape画网络图
• 第九讲：网络图的子网络获取
• 第十讲：hug genes如何找

但真实情况下，通常是有多个分组，这个时候就会有多种策略可供选择了。

比如拿某一组的样本与剩余其它组所有样本进行比较，这样的差异分析策略还是蛮流行的！我前面在生信技能树也写过教程：如果你的分组比较多，差异分析策略有哪些？

其实很早就有一篇文献 Nucleic Acids Res. 2013 Nov;，题目是Identifying subgroup markers in heterogeneous populations 也提到了这个情况；

Instead, a subgroup of samples in one group shows differential behavior with respect to all other samples.

所以他们提出来了 Detection of Imbalanced Differential Signal (DIDS) 算法, 感兴趣的朋友可以体验一下，然后发给我们你的使用记录，开始你的笔记分享之旅！