文章目录
介绍
在高通量数据分析中，比较两种实验条件下的差异表达（DE）模式是常见的。传统上，研究人员会设定一个截止值（例如p值=0.05或FDR 5%）。然而，采用这些特定的截止值似乎是武断的。例如，可能在这些特定截止值下几乎没有重叠，但在更宽松或更严格的统计标准下，却有显著的重叠。
Plaisier等人提出了一种名为Rank Rank Hypergeometric Overlap（RRHO）的方法，该方法将检查所有可能的截止值，并使用热图方法呈现所有这些重叠的显著性水平。具体来说，他们提出了“富集”方法和“双尾”方法来检查和可视化两种实验条件下差异表达的重叠趋势。这些方法的详细信息可以在Plaisier等人的引用文献中找到。当两种实验条件下的差异表达模式一致时（即，最显著的基因在两种条件下都上调或都下调），这些方法尤其成功。
尽管前景看好，Cahill等人注意到，当差异表达模式不一致时（即，最显著的基因在条件1中上调，但在条件2中下调），原始RRHO方法的解释可能变得复杂且不够
标签：表达,重叠,差异,quadrant,heatmap,条件,热图,方法,截止 From： https://blog.csdn.net/H20230717/article/details/142908303