下面是2021六月份学徒Sophie的投稿
最近参加了生信技能树曾老师的GEO数据挖掘月学徒培养，对一些文章中的GSE数据集走标准化分析流程。
小洁老师在去除批次效应的探索文件里给出了两种方法，一个是用R包limma中的函数removeBatchEffect(），另一个是R包SVA中的函数ComBat(）。
阅读相关文献查到，也有很多文章用了RobustRankAggreg找个R包进行不同芯片数据的差异基因整合。区别就在于，是先进行样本整合，然后去除批次效应，最后进行差异分析；还是，对每个数据集进行独立分析，然后RRA整合DEG，拿到多个数据集共有的DEG，所以我尝试比较了接触到的这两种方法的结果差异。
首先
我们应该先了解，这个多个芯片数据差异基因整合R包：RobustRankAggreg，介绍在：https://cran.r-project.org/web/packages/RobustRankAggreg/index.html。
然后
limma中的函数removeBatchEffect(）和SVA中的函数ComBat(）介绍很多，直接浏览器搜索关键词即可。
接下来就是结果啦~
- 对每个数据集进行独立分析后，用RRA整合，然后拿top10 上下调基因与文章中给出top10进行对比，结果如下（带星标的为一致的基因）：
- 先整合所有数据集，然后用limma去除批次效应，再进行差异分析，然后拿top10 上下调基因与文章中给出top10进行对比，结果如下（带星标的为一致的基因）：
这么看起来，似乎是 我们的用limma去除批次效应，再进行差异分析，然后拿top10 上下调基因与文章的结果一致性好一点哦。
其实是因为从数量上来说，用RRA整合得到的差异基因数量为39个（数据集命名为list_RRA），用limma整合得到的差异基因数量为858个（数据集命名为list_limma），如果一个方法拿到的基因数量足够多，当然是更有可能保护文献的基因集。
那两个差异基因的关系是怎样的呢？见下图
所以结论是，RobustRankAggreg处理，拿到的DEG少，因为没有进行样本的整合，获得DEG所用的样本数量少。（换句话说，是比较严格的挑选了上下调基因，是在多个数据集都很保守的上下调差异基因）
但是优点在于，二分组样本的差异分析流程，对数据前期处理是最简单的，只需要根据pd对样本进行合理分组，即可。而对于limma包的函数removeBatchEffect(）来说，虽然前期处理会麻烦一点，但是，能拿到更多的差异基因，因为扩大了样本量。而且，就目前这篇文章的数据集分析结果来说，与文章数据分析结果一致性更高。
还有一个问题
那到底是拿到多的DEG好，还是少的DEG好呢？其实关键不在多和少，而在于根据我们的背景知识，能不能找到符合预期的靶基因，如果RRA不行，那就换一种方法呗~
