Nature 系列都提醒过的坑：为什么你的富集分析显著通路太多？

最近看到太多“假显著”的富集结果了，动不动几百上千个通路全显著。 看起来丰富，其实大多数是背景设错的“统计幻觉”。 这篇就讲清楚——为什么很多生信公司、甚至论文作者，都踩在这个坑里。 你只要搞懂一个参数：universe。

说实话，这个坑连Nature 系列都提醒过。 富集分析不只是比p值小，而是比“背景”真实。 选错背景，p值再小也没意义。 一行代码，让结果从玄学变科学。

文献：

Image

富集分析的显著结果，大概率是偏倚造的假象。

这篇文章提出了“富集分析的三大偏倚”——技术、检测、生物学—— 还点名了：不设背景基因（universe）= 富集分析没统计意义。 连 Genome Biology 都说要“定义实验特异的基因背景”， 那你再默认用整个基因组当背景，就真该警惕了。

同时，这篇文章明确提出：

“Functional enrichment analysis must not be considered proof of biological plausibility... We strongly advocate for efforts to generate appropriate background expression ‘universes’.” （富集分析不能被当作生物学合理性的证明，我们强烈呼吁研究者建立合适的背景基因集。）

别怪GO/KEGG太假，其实是你富集分析的“背景基因”没设！

1️⃣ 开篇引入 为什么你的 GO/KEGG 分析总是显著得离谱？ 几十上百条通路，全是 p < 0.05？ 恭喜你——你遇上了 Genome Biology 2015 提到的“统计幻觉”。

2️⃣ 顶刊提醒 Timmons et al. 在 Genome Biology 这篇文章中系统指出：

“几乎所有富集分析都能跑出显著通路——无论你输入什么基因。” 因为多数研究没设置背景（universe）， 而背景才决定“显著”的概率空间。

3️⃣ 生信亮点 这篇文章首次系统区分了三种偏倚来源：

• 🧬 技术偏倚（不同芯片检测到的通路结构不同）
• 🔍 检测偏倚（有些基因永远检测不到）
• 🧫 生物学偏倚（组织特异表达本身决定结果） 一句话总结：

不设背景，你只是“在已知的偏倚中再次富集”。

4️⃣ 可学部分（实操） 在 R 里，只需加一行：

universe = rownames(expr_filtered)

正如我们提到的一样：别怪GO/KEGG太假，其实是你富集分析的“背景基因”没设！告诉算法“这次实验能检测到的全部基因是谁”。 你的 p 值会立刻“回归理性”。

5️⃣ 延伸 RNA-seq、单细胞、蛋白质组、代谢组都一样。 无论是 enrichGO 、enrichKEGG 还是 enricher， 记得一句话：没有背景的显著，全是幻觉。

6️⃣ 总结 这篇 Genome Biology 2015 文章其实是在提醒我们：

“富集分析不是结果验证，而是统计假设。” 真正科学的分析，是在实验语境内定义“可能性宇宙”。

1️⃣ 背景没设对，所有 p 值都只是泡沫。 2️⃣ 富集分析的通路越多，结果越假。 3️⃣ 看懂这篇 Genome Biology ，你就能一眼识破“假显著”。

这期内容非常实用。 做差异分析、富集分析、单细胞、空间组学的都能用上。 想发Cell、Nat Commun、甚至JCI的文章，一定得避开这个统计陷阱。 建议直接收藏。

如果你使用所有基因作为参考，不防把你的p值设置的小一点比如0.001