优化差异基因分析的三板斧

写作背景：

由于我经常下载和分析geo数据集，而由于geo数据集上的数据分布不一，标准不统一。经常会遇到的难题是，差异分析结果并不满意，包括：1差异基因太少，一个数据集坐下来，只找到几百个差异基因2热图不满意。所以我经过自己的经验和总结，找到了三种方法来优化差异分析。

示例：

• 这是一个数据集的PCA分析图，我们发现这张图至少存在几个问题： 1样本之间有batch（批间差），似乎样本分为了两个批次、方法去测序，导致这两次测序或者芯片分析结果泾渭分明，差异非常明显。这样可能导致我们想寻找的N和T分组的差异基因受到很大的影响。 2肿瘤T和正常样本N混杂在一起，这样做差异分析是没太大意义，因为差异分析的结果肯定很差，理想的结果应该是肿瘤样本与正常样本泾渭分明
• 经过我的所谓三板斧，三种方法和步骤，可以非常完美的将数据转化为如下所示：

我们可以发现N组样本和T组样本在PCA结果上分开了。这样做差异分析结果必然是比较令人满意的。比如说，转换以前我们只能在两组中找到300多个差异分析，而经过转换，差异分析数目达到了5000多个，差异基因数目增加了十倍不止，这就给我们后续分析提供很大的空间。此外，之前的差异分析结果比如说火山图和热图是非常难看的，尤其热图根本看不出来趋势，转换以后就非常打动且能说明问题和实验目的。

代码：