今天本来打算复现一篇去年发表在 OncoTargets and Therapy 上关于GEO数据库整合挖掘的论文，这个杂志素来以灌水闻名，“水的”已经不是SCI了，但是影响因子还是3左右，按理说文章质量应该尚可，而且这又是一篇纯数据挖掘的文章，所以我就去打开了我的Rstudio,开始数据分析，在做到差异表达分析的时候被作者的操作惊到了，到底怎么回事呢，首先我们看看文献中怎么说的，作者首先分析了GDS3592数据集，这是差异表达结果：



上面三张图总结一下就是：

• logFC >2 并且correccted P-value < 0.05为上调基因，共550个，用红色点表示
• logFC < -2 并且correccted P-value < 0.05下调基因，共289个，用绿色点表示

这时候如果你仔细看第一张图，你可以明显的感觉到，明明绿色点比红色点多啊，这不是与作者结果相反吗？难道作者还会犯这么低级的错误嘛，可是我也不是红绿色盲啊，本着科学的精神，我就对作者的分析进行了复现。

下面是我复现结果：

经过对比发现有以下不同：在使用矫正P值作为筛选条件时，1、2两处的差异基因明显与作者原图中的点不同

于是我便直接用P值作为筛选条件，得到以下图形：

哇！终于和原图几乎一模一样了，可是问题来了，作者明明说用的correct P-value作为筛选，经过绘图发现，使用的却是P-value筛选，这两种筛选条件所选择的差异表达基因是有所不同的，这是遇到的另外一个问题！

**

接下来就是我们一开始遇到的问题了

**

这是我差异表达基因的结果

上调基因263，下调基因416，下调基因明显多于上调基因，这种结果与图片上的点的分布是一致的，所以，我想结论出来了：

1. 作者把差异表达基因写反了，写反了，写反了！！！
2. 作者也没有使用correct P-value < 0.05 作为筛选差异表达的标准,而是直接使用的P-value < 0.05，这样会增加假阳性结果，明明不是差异表达基因，却被筛选为差异表达基因。
3. 这才是开始就踩了两个坑，文章复现真的好难啊！

本博客内容将同步更新到个人微信公众号：生信玩家。欢迎大家关注~~~