数据挖掘中的LogFC,p值和FDR值是什么？

GEO数据挖掘或转录组分析差异表达基因时，结果中会出现Log2FC，p值和FDR值，这三个值是生信技能树生信爆款入门课程geo数据挖掘差异基因筛选提到的重点。这些个值是什么意思呢？为拓展课堂所学知识，现在对他们做下总结。

差异倍数(fold change)，fold change翻译过来就是倍数变化。limma接受的输入参数就是一个表达矩阵，而且是log后的表达矩阵（以2为底）。

logFC这一列的值，其实就是输入的表达矩阵中case一组的平均表达量减去control一组的平均表达量的值，那么就会有正负之分，代表了case相当于control组来说，该基因是上调还是下调。 假设A基因表达值为1，B表达值为3，那么B的表达就是A的3倍。一般我们都用count、TPM或FPKM来衡量基因表达水平，所以基因表达值肯定是非负数，那么fold change的取值就是(0, +∞)。 为什么我们经常看到差异基因里负数代表下调、正数代表上调？因为我们用了log2 fold change。 当expr(A) < expr(B)时，B对A的fold change就大于1，log2 fold change就大于0（见下图），B相对A就是上调； 当expr(A) > expr(B)时，B对A的fold change就小于1，log2 fold change就小于0。通常为了防止取log2时产生NA，我们会给表达值加1（或者一个极小的数），也就是log2(B+1) - log2(A+1)。

假设A表达为1，B表达为8，C表达为64；直接用差B相对A就上调了7，C就相对B上调了56；用log2 fold change，B相对A就上调了3，C相对B也只上调了3. 通过测序观察我们发现，不同基因在细胞里的表达差异非常巨大，所以直接用差显然不合适，用log2 fold change更能表示相对的变化趋势。

log2FC中的FC即 fold change，表示两样品（组）间表达量的比值，对其取以2为底的对数之后即为log2FC。一般默认取log2FC绝对值大于1为差异基因的筛选标准； 据多数文献报道 有取1得 ， 1/2/1.5 也都有。这个没有规定，你想多少都可以，也要结合自己的数据，如果取1.5你找不到差异基因就不找了把数据扔了吗。 可以，这个标准由自己定，在神经系统方面，微小的变化都会产生效应。另外自己注意看看芯片数据是不是有批次效应，如果不去除批次效应，计算差异gene可能存在问题。另外，甲基化信号值的差异分析也许不应该是看logFC,也要注意哦。

值是在统计学的范畴假设检验首先必须要有假设，我们假设A和B的表达没有差异（H0，零假设），然后基于此假设，通过t test（以RT-PCR为例）算出我们观测到的A和B出现的概率，就得到了P-value，如果P-value