是不是刚下完GEO数据，一画图就发现全是负数？心里是不是咯噔一下，怀疑自己算错了？

别急，这情况在生信分析里太常见了，尤其是刚上手的小白，经常因为没搞懂底层逻辑而卡壳。

今天咱们就掰开了揉碎了说说，这负值到底从哪来的，又该怎么治。

先说个扎心的大实话：绝大多数情况，这负值不是你算错了，而是数据本身就是这么“调皮”。

很多人有个误区，觉得基因表达量必须是个正整数，或者至少是正的实数。

错了，大错特错。

如果你看的是Raw Counts（原始计数），那它肯定是非负的，因为是测序_reads_计数嘛，不可能数出负数条。

但一旦你看到了Log2转换后的数据，或者是经过RMA等算法探针集值，负值就是合理的存在。

举个最常见的例子，比如Affymetrix芯片。

这种芯片处理流程里，最后一步往往是减去Background，然后做Log2转换。

如果某个探针的表达量极低，低于背景噪声，减去背景后可能就变成负数或者0。

这时候如果你直接Log2，那就炸了，或者出现负无穷。

所以平台通常会加一个极小值偏移，比如log2(表达量+1)。

这样一来，原本小于1的正数，经过Log2后就会变成负数。

比如表达量是0.5，Log2(0.5+1) = Log2(1.5) ≈ 0.58（正）。

但如果是RMA算法，它内部有复杂的归一化和反卷积，输出的Probe Set Level往往已经是Log2尺度了。

在这个尺度上，中位数可能在0附近，那自然有一半的数据是负的。

这就是为什么你在GEO下载Processed Data时，看到的是满屏的负数。

这时候千万别去问“负值代表基因不表达吗？”

答案是：不一定。

Log2尺度下的0，代表的是表达的基线水平，而不是0表达。

负值，说明表达量低于这个基线，可能是检测限以下，或者真的表达很低。

那问题来了，如果是RNA-Seq数据，出现负值正常吗？

这就得看你下的是哪种数据了。

如果是Count Matrix，绝对不该有负值。

如果你下的是TPM或者FPKM，也是正数。

唯独一种情况，你会在RNA-Seq里看到负值：那就是DESeq2或者limma-voom分析后，输出的log2FoldChange或者Adjusted P-Value相关的统计量，或者某些标准化后的矩阵（如Z-score）。

如果你发现RNA-Seq的FPKM表里有负数，那十有八九是你预处理代码写挂了，或者是下载错了文件，拿到了差异分析的结果表而不是表达谱表。

遇到这种情况，第一步，检查你的文件类型。

看一眼GEO DataSets页面的文件列表，找带有.rma.txt或者.counts.txt后缀的。

第二步，打开文件头，看看有没有Log2或者Normalized的字样。

如果有Log2，那负值正常，直接用，别折腾。

第三步，如果你用的是RNA-Seq数据，且看到负值，赶紧回去检查是不是混入了差异分析的输出文件，比如table.csv里混入了p.adjust列，有些工具会把统计量拼进去，但这列通常不是表达谱主体。

还有一种极少见的情况，就是QC过程中的样本标准化异常，导致整个矩阵平移。

但这概率低得像被雷劈，一般新手接触不到。

所以，总结一句心法：看到负值，先看数据来源。

芯片数据Log2后见负值，那是常态，别慌，该做聚类做聚类，该做PCA做PCA。

测序数据Count/FPKM见负值，那是事故，回去查代码。

记住，数据分析不玄学，逻辑理顺了，负值也就是个数字而已。

别被它吓住，更别试图去强行修正它，那样才是真的把自己坑进去了。