跑完差异分析，看着满屏的logfc值，你是不是又懵了？到底选1还是2？还是看p值？这篇文直接给你答案，别再在那儿对着代码发呆纠结了。
我干这行9年了，经手的geo数据没一千也有八百。说实话，刚入行那会儿，我也傻，觉得logfc绝对值大于2就是高表达，小于2就是低表达。结果呢？被导师骂得狗血淋头，因为很多关键基因logfc才1.5，但生物学意义巨大。
现在回头看，logfc真的不是万能的尺子。
先说个真事。去年有个学生找我救火，说他的火山图一片空白，没几个显著基因。我一看，他设的logfc阈值是2，p值0.05。这配置在大多数RNA-seq里太严了，除非你样本量极大，或者效应特别强。
geo数据里，很多细微的调控变化，logfc可能就在1到1.5之间。比如某个转录因子，稍微上调一点，下游几百个基因就跟着变了。你把它剔除了，后面通路分析直接崩盘。
那到底怎么设？
我的建议是：别死磕数字，要看分布。
先把所有差异基因画个火山图，或者密度图。看看logfc主要集中在哪个区间。如果大部分显著基因的logfc都在1左右，那你强行设2，就是自断臂膀。
另外，一定要结合p值或者adj.p值一起看。
很多新手只盯着logfc，忽略了统计显著性。logfc大，但p值不显著，那可能是噪音，是批次效应，或者是离群值导致的假阳性。反之，logfc小但p值极显著，说明变化稳定，虽然幅度不大，但可信度高。
再聊聊那个被玩烂的“logfc=2”梗。
在微阵列时代，因为背景噪音大，大家习惯用2作为截断值。但现在RNA-seq精度高，噪音小，很多重要基因的fold change根本达不到2倍。
我最近处理的一个数据集，是关于癌症免疫微环境的。有些免疫检查点基因，logfc只有1.2，但adj.p值小于1e-10。这种基因，你要是扔了，后面做GO富集分析，免疫相关通路直接出不来。
所以，我的操作习惯是：
第一步，先看adj.p值，通常设0.05或0.01，过滤掉不显著的。
第二步，看logfc分布。如果数据质量好，logfc>1的基因数量尚可，那就用1。
第三步，如果基因太少，适当放宽到0.58（对应1.5倍变化），或者干脆不设硬阈值，直接按logfc排序，取前N个。
还有，别忘了检查异常值。
有时候一个样本里有个极端值，能把整个组的均值拉偏，导致logfc虚高。这时候，用boxplot或者PCA看看样本聚类，把离群样本剔除，再重新算。
别嫌麻烦，这一步能省你后面半年的冤枉路。
最后，给个结论：
logfc阈值没有标准答案，只有适合你数据的阈值。
不要盲目抄别人的参数，也不要迷信所谓的“黄金标准”。多看图，多思考，结合生物学背景去判断。
geo数据 logfc 的分析核心在于平衡灵敏度和特异性。太严，漏掉真凶；太松，全是噪音。
希望这篇能帮你省下几个熬夜改代码的夜晚。
本文关键词：geo数据 logfc
