能根据差异基因来反推样品的分组情况吗

通常情况下，我们拿到了表达量矩阵，就需要有样品信息，可以是癌症和癌旁，疗效好坏，处理前后等等都能用来把样品进行分组。然后就可以愉快的进行差异分析了，如果是转录组测序， 是需要count矩阵然后使用金标准算法（DESeq2，edgeR，limma-voom）计算。

比如2024年1月的文章：《End-to-end prognostication in colorectal cancer by deep learning: a retrospective, multicentre study》，就是针对tcga数据库里面的crc数据集的转录组测序后的count矩阵按照他们自己的预后模型把病人分成高低风险组，然后差异分析：

高低风险组，然后差异分析

大多数情况下，我们没办法直接复现人家的模型，而且很多模型甚至就是一个黑匣子。

既然是不能使用模型我们就没办法得到同样的分组信息，除非作者在附件给出来了样品信息表格，不过上面的文章并没有给出来。

但是呢， 文章给出来了差异基因列表：

By performing a bioinformatics analysis on the TCGA- CRC cohort, we identified 113 DEGs between the high-risk and low-risk groups

差异基因列表

我突然奇想，因为有了这113个基因的logFC和FDR，理论上是不是可以反推出来样品的分组情况呢？

大家试试看

这个tcga数据库里面的crc数据集的转录组测序后的count矩很容易下载，然后上面的文献里面的附件表格6里面的基因很容易提取出来，首先取这113个基因的表达量矩阵的子集绘制热图，样品层次聚类图，样品的pca图，就可以试试看反推样品的二分组情况。