← 返回软件与算法资源类型 R 包 方法分类 差异表达分析 原始分类 Differential Expression 创建时间 2026/6/3
Software & Algorithm Detail
差异表达分析Differential ExpressionR 包
edgeR
适合复杂设计和小样本 RNA-seq 的差异表达 R 包，提供 TMM 标准化和 GLM 框架。
Benchmark
性能基准测试
当前图表用于比较不同数据规模下的时间消耗和内存消耗。
性能基准测试
R 4.4 / quasi-likelihood GLM
Documentation
软件原理、用法与参数
统一使用 Markdown 文档渲染，保留命令行代码块、参数表和示例说明。
edgeR
工具定位
edgeR 常用于 bulk RNA-seq、ChIP-seq count、CRISPR screen 等离散计数型数据差异分析。
核心思想
用 TMM 校正 library composition bias，估计离散度后在 exact test 或 GLM 框架下完成差异检验。
输入与输出
| 数据对象 | 说明 |
|---|---|
| count matrix | 上游分析输入 |
| sample metadata | 上游分析输入 |
| 差异表达表 | 下游解读结果 |
| TMM normalization factor | 下游解读结果 |
示例命令
library(edgeR)
y <- DGEList(counts = counts, group = meta$group)
y <- calcNormFactors(y)
design <- model.matrix(~ group, data = meta)
y <- estimateDisp(y, design)
fit <- glmQLFit(y, design)
res <- glmQLFTest(fit, coef = 2)
解读要点
- 复杂实验设计建议使用 glmQLFit，提高假阳性控制能力。
- 过滤低表达基因前后要记录阈值，便于复现。
- 和 DESeq2 结果可交叉比较，但不要机械追求完全一致。