Skip to content

分析流程 › RNA-seq › 08 對比與視覺化

對比、多重檢定與視覺化 (Contrasts, Testing & Visualization) ​

正確設定 comparison/contrast,理解 p-value 與 FDR,並用 MA plot、volcano plot、heatmap 與 gene-level expression plot 解讀 differential expression 結果。

本節使用模擬資料示範分析流程,結果不代表真實生物學研究發現。

係數與對比 (Coefficients & Contrasts) ​

Coefficient 是 model matrix 中某一欄的模型參數;contrast 是 coefficient 的線性組合。contrast 方向會直接決定 log2 fold change 正負號。

有參考組的設計 ​

r
metadata$group <- factor(metadata$group, levels = c("control", "treated"))
design <- model.matrix(~ group, metadata)
colnames(design)
# "(Intercept)" "grouptreated"

這裡 grouptreated 代表 treated - control。

DESeq2:

r
results(dds, contrast = c("group", "treated", "control"))

edgeR:

r
glmQLFTest(fit, coef = "grouptreated")

無截距設計 ​

r
design <- model.matrix(~ 0 + group, metadata)
colnames(design) <- c("control", "treated")
makeContrasts(treated - control, levels = design)

錯誤方向範例:

r
# 這是 control - treated,不是 treated - control。
makeContrasts(control - treated, levels = design)

如果 contrast 方向反了,顯著性通常相同,但 logFC 正負號與 up/down interpretation 會顛倒。

交互作用與差異中的差異 ​

Treatment by time interaction:

r
design <- model.matrix(~ treatment * time, metadata)

若 time 有 pre 與 post,treatment 有 control 與 drug,interaction coefficient 可解讀為:

text
(drug_post - drug_pre) - (control_post - control_pre)

這不是單純 post 時間點的 drug vs control,而是 drug 是否改變了 pre-to-post 的變化量。

多重檢定 (Multiple Testing) ​

RNA-seq 同時檢定上萬個 genes,不能只看未校正 p-value。

TermMeaning
P value若 null hypothesis 為真,觀察到至少同等極端結果的機率
Multiple testing同時做大量假設檢定造成 false positives 上升
Family-wise error rate至少一個 false positive 的機率
False discovery rate被宣稱顯著者中預期 false positives 比例
Benjamini-Hochberg常用 FDR adjustment 方法
Adjusted P value在多重檢定下控制 FDR 的 p-value

常見顯著標準:

r
sig <- subset(res, FDR < 0.05 & abs(logFC) >= 1)

注意:PValue < 0.05 在上萬個基因中會產生大量 false positives。應以 FDR/padj 為主,並把 log2 fold change threshold 視為 biological effect size filter,而不是統計校正替代品。

BH 的計算步驟、FDR 與 FWER 的差異,以及用 p 值直方圖診斷模型是否合理,見 多重檢定。

視覺化 ​

MA Plot ​

r
plot(res$logCPM, res$logFC,
     pch = 16, cex = 0.4,
     xlab = "Average abundance",
     ylab = "log2 fold change")
abline(h = 0, col = "gray40")

MA plot

圖 1. MA plot。x 軸是平均表達量,y 軸是 log2 fold change。低 abundance 區域的 fold change 常較不穩,需搭配 FDR 與 shrinkage 解讀。

Volcano Plot ​

r
plot(res$logFC, -log10(res$FDR),
     pch = 16, cex = 0.4,
     xlab = "log2 fold change",
     ylab = "-log10(FDR)")
abline(v = c(-1, 1), lty = 2)
abline(h = -log10(0.05), lty = 2)

Volcano plot

圖 2. Volcano plot。它適合快速呈現 effect size 與 significance,但不應取代完整結果表、model diagnostics、sample QC 與 gene-level 檢查。

Heatmap ​

r
top <- rownames(res)[order(res$FDR)][1:50]
mat <- log_cpm[top, ]
mat_scaled <- t(scale(t(mat)))
pheatmap::pheatmap(mat_scaled, annotation_col = metadata["group"])

Differential expression heatmap

圖 3. Top DE genes heatmap。row scaling 讓每個 gene 呈現相對高低,不代表絕對表達量。top genes 的選擇應明確,例如 FDR 排名前 50 或 FDR < 0.05 且 abs(logFC) >= 1。

其他摘要圖 ​

LogFC distribution

圖 4. Log2 fold change distribution。若分布整體偏移,可能是真實全局變化,也可能是 normalization 假設不符。

Up and downregulated gene count

圖 5. Upregulated 與 downregulated gene count。這是 summary,不應單獨用來判斷 biology。

Top gene expression

圖 6. Top gene expression plot。單一 gene 圖能檢查 replicate 是否一致;若顯著性由單一 outlier 驅動,應回到 QC 與模型診斷。

Gene symbol 標示注意事項:

  • symbol 可能 outdated 或 duplicated。
  • Ensembl ID version suffix 可能造成 mapping 失敗。
  • 圖上標太多 label 會降低可讀性;通常只標 top genes 或已知 marker。