做生信分析最头疼的不是代码写不出来，而是面对一堆P值发呆不知道该怎么选。这篇直接告诉你geo2r筛选基因标准怎么定，怎么调参数才能既不漏掉关键基因，又不会跑出一堆垃圾数据。
记得刚接触GEO数据库那会儿，我盯着屏幕上的火山图发呆，那时候真是不懂什么叫FDR，只觉得P值小于0.05就是真理。结果跑出来的差异基因有几千个，根本没法做后续的功能富集，老板问我为什么没结果，我只能尴尬地说是因为样本量太小。后来跟几个做湿实验的朋友聊，他们吐槽说：“你筛选出来的基因，我拿qPCR验证一个死一个。” 那一刻我才意识到，所谓的标准不是死的，得看你的数据质量。
现在回过头看，geo2r筛选基因标准其实就两把尺子：Fold Change（倍数变化）和P-value（P值）。但这里有个大坑，很多人直接用默认的P值 cutoff，比如0.05。千万别这么干！GEO的数据噪音很大，尤其是那些早期芯片数据，背景噪声能把你的信号淹死。我最近帮一个研究生朋友看数据，他的样本只有6个，3个对照3个处理，如果直接用0.05，筛选出来上百个基因，但仔细看表达量，有些基因在对照组里表达量极低，比如0.5，处理组变成1.0，倍数变了2倍，P值也显著，但这在生物学上有意义吗？完全没有，这就是典型的假阳性。
所以，我的建议是，先看图，再定标。打开geo2r生成的火山图，看看那些显著上调和下调的基因分布情况。如果大部分点都挤在中间，说明数据差异不明显，这时候你需要放宽P值，比如用到0.1，但必须严格卡住Fold Change，比如要求绝对值大于1.5或者2。反之，如果数据很干净，点分布很开，那就可以收紧P值，比如用0.01，同时Fold Change设为1.2或1.5。
还有一个容易被忽视的细节，就是样本的生物学重复。如果只有2个重复，那P值的可靠性极低，这时候geo2r筛选基因标准里，Fold Change的权重应该远远大于P值。我有个案例，两个样本重复性很差，标准差很大，这时候即便P值小于0.05，我也建议直接忽略，或者手动调整阈值。别迷信软件自动生成的结果，软件只是工具，脑子才是分析的核心。
另外，关于多重检验校正，很多人纠结用Bonferroni还是BH(FDR)。对于小样本数据，Bonferroni太严格，会把所有基因都筛掉，这时候用BH校正更合理，它能控制错误发现率。我在处理一个癌症数据集时，用了BH校正后，显著基因从几千个降到了几百个，这才是真正能拿得出手的结果。
最后，别忘记结合文献和通路去验证。筛选出来的基因，去PubMed搜一下，看看有没有前人报道过。如果几个候选基因都在同一个通路里，比如Wnt信号通路，那你的结果可信度就高多了。如果散落在各个角落，那大概率是噪音。
总之，geo2r筛选基因标准没有绝对的对错，只有适不适合你的数据。多画图，多思考，别当代码的奴隶。希望这些经验能帮你少走弯路，早点发文章。
本文关键词：geo2r筛选基因标准
