《PLOS One》：Tool choice matters: Evaluating edgeR vs. DESeq2 for sensitivity, robustness, and cross-study performance
编辑推荐：
差异基因表达（DGE）分析是转录组学研究的基础，然而工具选择会显著影响结果。本研究比较了两种广泛使用的DGE工具edgeR和DESeq2，使用来自人类患者的真实和半模拟批量RNA-Seq数据集，涵盖病毒感染、细菌感染和纤维化疾病。研究人员从四个维度评估工具性能
差异基因表达（DGE）分析是转录组学研究的基础，然而工具选择会显著影响结果。本研究比较了两种广泛使用的DGE工具edgeR和DESeq2，使用来自人类患者的真实和半模拟批量RNA-Seq数据集，涵盖病毒感染、细菌感染和纤维化疾病。研究人员从四个维度评估工具性能：（1）对样本量的敏感性和对异常值的稳健性；（2）在发现数据集中独特识别基因集的分类性能；（3）显著DEG集（Differentially Expressed Genes）的通路水平一致性；（4）工具特异性基因集在独立研究中的泛化能力。首先，使用Bonferroni校正p值（adjusted p-value）< 0.05和绝对log2倍变化（fold change）大于1（即|log2FC| > 1）作为显著性标准，重复子抽样显示DESeq2在小样本量下通常比edgeR识别更多DEGs，而随着样本量增加，工具间一致性提高。两个工具对模拟异常值的反应相似，随着交换样本增加，Jaccard相似度（Jaccard similarity）下降。第二，使用工具特异性基因训练的分类模型显示，edgeR在13个对比中的9个获得更高F1分数（F1 score），更频繁达到完美或接近完美的精确度（precision）。第三，Hallmark和KEGG通路富集分析（pathway enrichment analysis）显示，许多对比在工具间保持实质性的通路水平一致性，但部分对比仍显示工具特异性富集的通路。最后，使用四个独立SARS-CoV-2数据集的跨研究验证显示，edgeR特异性基因在留出数据集中产生更高的AUC（Area Under the Curve）、精确度和召回率（recall），部分测试案例实现完美分离。总体而言，研究人员的发现表明，DESeq2可能在严格阈值下识别更多DEGs，而edgeR通常产生更保守、更具预测性和可泛化的基因集。这些发现强调，DGE工具选择不仅应依据DEG产量，还应考虑所得基因集的下游可重复性、预测价值和生物学可解释性。
**论文解读：edgeR与DESeq2在差异基因表达分析中的性能对比与下游效用评估**
**1. 研究背景与问题**
差异基因表达（Differential Gene Expression, DGE）分析是转录组学与系统生物学的核心方法，广泛应用于疾病生物标志物发现及治疗靶点筛选。在批量RNA测序（bulk RNA-seq）领域，edgeR（v4.4.2）和DESeq2（v1.46.0）是两种最常用的DGE分析工具。两者均基于负二项分布（negative binomial distribution）建模计数数据，但在关键方法学组件上存在差异：edgeR采用加权截尾均数（Trimmed Mean of M-values, TMM）标准化、经验贝叶斯（empirical Bayes）基因离散度估计及拟似然F检验（quasi-likelihood F-test）；DESeq2则使用比值中位数（median-of-ratios）标准化、对离散度和log2倍变化（log2 fold change）估计均实施经验贝叶斯收缩（shrinkage），并通过Wald检验进行假设检验。
尽管先前已有系统评估（如Seyednasrollah等、Zhang等、Stupnikov等、Liu等、Li等及Cui等的研究），但仍存在若干关键空白：多数比较严重依赖模拟数据或少量基准数据集，未能反映真实研究中多样的生物学信号、组织来源、物种及实验设计；重点多集中于统计操作特性（如FDR控制、I型错误、检验功效、DEG数量或方法间一致性），未直接评估工具特异性基因的生物学效用、下游通路一致性及跨研究泛化能力；部分早期评估基于旧版本工具，当前工作流（因更新了离散度估计、过滤、收缩及检验程序）可能表现不同。为此，本研究将焦点从单纯DEG检测转向工具特异性基因集的下游生物学效用与可重复性，系统比较edgeR与DESeq2在多种真实数据集中的性能。
**2. 研究概述与结论**
研究人员使用涵盖病毒感染（SARS-CoV-2、RSVB、EBOV、Mpox）、细菌感染（细菌性肺炎）、病毒性呼吸道感染（流感）及慢性纤维化肺病（特发性肺纤维化，Idiopathic Pulmonary Fibrosis, IPF）的多种真实批量RNA-seq数据集（包括人类及非人灵长类样本），从四个维度展开评估：样本量敏感性与异常值稳健性；发现数据集内工具特异性基因的分类效能；显著DEG集的通路水平一致性；工具特异性基因集在独立研究中的跨研究泛化能力。主要结论为：DESeq2在小样本量下识别更多DEGs，但edgeR识别的基因集在分类预测、通路稳定性和跨数据集泛化方面表现更优。该研究发表于《PLOS One》。其重要意义在于强调DGE工具选择应兼顾统计产出与下游可重复性、预测价值及生物学可解释性，为实际应用提供了具体指导。
**3. 关键技术方法**
本研究采用多项关键分析技术。样本量敏感性分析：利用RSVB数据集（GSE196134，源自早产儿及足月儿脐血单个核细胞，45刺激对45对照），通过重复子抽样（每组5、10、20样本，各20次独立重复）和方向重叠（Directional Overlap, DO）度量进行比较；异常值稳健性分析：通过控制组间样本交换（1-5个样本交换，每水平20次重复）并使用Jaccard指数（Jaccard Index）评估DEG集稳定性。分类性能评估：对五个数据集（Mpox GSE234118、EBOV GSE115785、细菌性肺炎和流感GSE161731、IPF GSE231693、SARS-CoV-2 PMC8202013）中工具特异性基因，采用log转换后的原始计数经主成分分析（Principal Component Analysis, PCA）提取前两个主成分（PC1和PC2），再通过逻辑回归（logistic regression）分类器评估分离对照与处理样本的能力，指标包括精确度、召回率、F1分数及Dolan-More性能剖面。通路水平一致性分析：对每个对比的显著DEG集，使用Hypergeometric检验对MSigDB Hallmark和KEGG通路集合进行过代表分析（over-representation analysis），以FDR < 0.05为显著，通过Jaccard相似度量化工具间通路级一致。跨研究泛化验证：使用四个独立SARS-CoV-2数据集（GSE152418、GSE161731、GSE171110、PMC8202013），采用留一数据集法进行交叉验证。在每个折叠中，对三个训练集内均显著的基因取交集作为可重复训练基因集，再经工具间去除共享基因获得工具特异性特征，最后在留出测试集中通过PCA-逻辑回归评估分类性能（AUC、精确度、召回率）。
**4. 研究结果**
**4.1 样本量与异常值敏感性** 在RSVB数据集中，DESeq2在n=5（484 vs. 148）、n=10（985 vs. 644）和n=20（1640 vs. 1554）时识别更多DEGs，而n=45时edgeR发现2009个、DESeq2发现1963个，两者差异随样本量增大而缩小。方向重叠分析显示，n=5时edgeR对DESeq2的DO为0.31 ± 0.07，DESeq2对edgeR的DO为1.00 ± 0.00；随样本量增大，DO值趋于对称，n=45时两者均超95%。异常值模拟中，随交换样本增加两者Jaccard相似度单调下降，DESeq2在多数交换水平下中位数略高，表明两者对异常值均敏感但DESeq2略有优势。
**4.2 发现数据集内工具特异性基因的分类性能** 在13个生物学对比中，edgeR在9个对比中获得更高F1分数，并更频繁达到完美或接近完美的精确度（如Mpox DPI 7、EBOV各时间点、IPF对比）。DESeq2在部分对比（如Mpox DPI 3、IPF、流感）中精确度更高，但召回率波动较大（如Mpox DPI 7为0.722）。Dolan-More剖面显示，edgeR在10/13数据集中达到最佳F1分数，平均性能比为1.02，高于DESeq2的6/13和1.05，表明其分类一致性更强。
**4.3 通路水平一致性** Hallmark和KEGG通路富集分析显示，多个对比（如Mpox DPI 10、EBOV DPI 7）中大部分富集通路为工具共享，Jaccard相似度较高（常超0.8）。但部分对比（如Mpox DPI 3、SARS-CoV-2对比）仍存在工具特异性富集通路，提示下游解释可能受工具选择影响。
**4.4 跨研究泛化性** 在四个独立SARS-CoV-2数据集的留一验证中，edgeR特异性基因集平均AUC为0.983 ± 0.028，精确度为0.939 ± 0.107，召回率为0.983 ± 0.035；DESeq2特异性基因集平均AUC为0.876 ± 0.101，精确度为0.828 ± 0.160，召回率为0.878 ± 0.163。例如在GSE152418测试集中，edgeR特异性基因实现完美分离（AUC=1.000），而DESeq2特异性基因AUC为0.783。
**5. 讨论与结论**
研究人员指出，DESeq2在探索性分析中可能更有用（尤其在小样本时），但其增大的灵敏度可能引入噪声或弱信号；edgeR则更保守，提供的基因集在分类和跨验证中表现出更稳定的预测能力和泛化能力。通路分析表明，DEG水平差异不一定导致通路解释分歧，但工具特异性通路仍存在于部分对比中。跨研究验证结果明确显示edgeR特异性基因集具有更优的跨数据集预测性能，对于生物标志物发现和转化应用至关重要。结论部分总结：本研究系统比较了两种工具，发现DESeq2识别更多DEGs（尤其小样本），但edgeR基因集更具预测性和可泛化性；样本量充足时两者高度一致；分类、通路和跨验证分析共同支持edgeR在稳健性和可重复性方面的优势。研究人员强调，没有工具绝对优于另一工具，选择应基于研究目标——敏感性导向的假设生成适合DESeq2，而特异性、可重复性和下游应用优先时edgeR更可靠。最后建议将通路一致性和跨验证纳入DGE工具评估的标准框架。
