或许怎么做都对呢？

昨天我们分享了 难者不会，会者不难的心得体会，引起了大家的共鸣，行业内的小伙伴理解了我们的生信服务的正当性，外行人也认可了我们的价值。本来是文末凑数的封面图反而被大家留言纷纷讨论，有小伙伴指出来了这个 Cancer Cell 2022 May文章《Ovarian cancer immunogenicity is governed by a narrow subset of progenitor tissue-resident memory T cells.》里面的差异分析后的，上下调基因，居然是分开多生物学功能数据库注释，然后留言：「最后一个图，图C中，将UP和DOWN 分开分析，是否合理呢？是否合在一起分析更加合理？」

我看了看图例：(C) Gene Ontology (GO) enrichment analysis for differentially expressed genes in TRM-like versus recirculating CD8+ TILs from the same tumors.

比较意外，因为我们一直以来默认授课就是让大家首先差异分析，拿到统计学显著的上下调基因，然后分别注释。我看了看这个数据集：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE194383

是 gene expression profile of CD8+ TILs (TRM vs. re-circulating) from 7 HGSOC ，如下所示样品：

作者也提供了定量好的表达量矩阵，GSE194383_raw_counts.txt.gz，所以很容易下载并且复现这个过程。但是读者很明显并不是想学数据分析本身，而是讨论分析结果的取舍了。实际上，如果大家使用我的流程，我定义好的 run_kegg 函数 ：